IK中文分詞_IK分詞器配置文件講解以及自定義詞庫

一、ik配置文件

ik配置文件地址：es/plugins/ik/config目錄

IKAnalyzer.cfg.xml：用來配置自定義詞庫
main.dic：ik原生內置的中文詞庫，總共有27萬多條，只要是這些單詞，都會被分在一塊兒
quantifier.dic：放了一些單位相關的詞
suffix.dic：放了一些後綴
surname.dic：中國的姓氏
stopword.dic：英文停用詞

ik原生最重要的兩個配置文件

main.dic：包含了原生的中文詞語，會按照這個裏面的詞語去分詞
stopword.dic：包含了英文的停用詞

停用詞，stopword

a the and at but

通常，像停用詞，會在分詞的時候，直接被幹掉，不會創建在倒排索引中

二、自定義詞庫

（1）本身創建詞庫：每一年都會涌現一些特殊的流行詞，網紅，藍瘦香菇，喊麥，鬼畜，通常不會在ik的原生詞典裏

本身補充本身的最新的詞語，到ik的詞庫裏面去

IKAnalyzer.cfg.xml：ext_dict，custom/mydict.dic

補充本身的詞語，而後須要重啓es，才能生效

（2）本身創建停用詞庫：好比了，的，啥，麼，咱們可能並不想去創建索引，讓人家搜索

custom/ext_stopword.dic，已經有了經常使用的中文停用詞，能夠補充本身的停用詞，而後重啓es