关键词标记分词过滤器 #

关键词标记（keyword_marker）分词过滤器用于防止某些词元被词干提取器或其他过滤器修改。该过滤器通过将指定的词元标记为关键词来实现这一点，这样就能避免词干提取或其他方式的处理。这确保了特定的单词能保持其原始形式。

参数说明 #

关键词标记分词过滤器可以使用以下参数进行配置。

参数	必需/可选	数据类型	描述
`ignore_case`	可选	布尔值	在匹配关键词时是否忽略字母大小写。默认值为`false`。
`keywords`	若未设置 `keywords_path` 或 `keywords_pattern` 则为必需	字符串列表	要标记为关键词的词元列表。
`keywords_path`	若未设置 `keywords` 或 `keywords_pattern` 则为必需	字符串	关键词列表的路径（相对于配置目录或绝对路径）。
`keywords_pattern`	若未设置 `keywords` 或 `keywords_path` 则为必需	字符串	用于匹配要标记为关键词的词元的正则表达式。

参考样例 #

以下示例请求创建了一个名为 my_index 的新索引，并配置了一个带有关键词标记过滤器的分词器。该过滤器将单词 example 标记为关键词：

PUT /my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "custom_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": ["lowercase", "keyword_marker_filter", "stemmer"]
        }
      },
      "filter": {
        "keyword_marker_filter": {
          "type": "keyword_marker",
          "keywords": ["example"]
        }
      }
    }
  }
}

产生的词元 #

使用以下请求来检查使用该分词器生成的词元：

GET /my_index/_analyze
{
  "analyzer": "custom_analyzer",
  "text": "Favorite example"
}

返回中包含了生成的词元。请注意，虽然单词 favorite 进行了词干提取，但单词 example 未进行词干提取，因为它被标记为了关键词。

{
  "tokens": [
    {
      "token": "favorit",
      "start_offset": 0,
      "end_offset": 8,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "example",
      "start_offset": 9,
      "end_offset": 16,
      "type": "<ALPHANUM>",
      "position": 1
    }
  ]
}

你可以通过在 _analyze 查询中添加以下参数，进一步研究关键词标记分词过滤器的影响：

GET /my_index/_analyze
{
  "analyzer": "custom_analyzer",
  "text": "This is an Easysearch example demonstrating keyword marker.",
  "explain": true,
  "attributes": "keyword"
}

这将在返回内容中生成类似如下的更多详细信息：

{
    "name": "porter_stem",
    "tokens": [
      ...
      {
        "token": "example",
        "start_offset": 22,
        "end_offset": 29,
        "type": "<ALPHANUM>",
        "position": 4,
        "keyword": true
      },
      {
        "token": "demonstr",
        "start_offset": 30,
        "end_offset": 43,
        "type": "<ALPHANUM>",
        "position": 5,
        "keyword": false
      },
      ...
    ]
}