31.IK分词器配置文件讲解以及自定义词库

主要知识点：

• 知道IK默认的配置文件信息
• 自定义词库

 
 

一、ik配置文件

 
 

ik配置文件地址：es/plugins/ik/config目录

 
 

IKAnalyzer.cfg.xml：用来配置自定义词库

main.dic：ik原生内置的中文词库，总共有27万多条，只要是这些单词，都会被分在一起

quantifier.dic：放了一些单位相关的词

suffix.dic：放了一些后缀

surname.dic：中国的姓氏

stopword.dic：英文停用词

 
 

ik原生最重要的两个配置文件

 
 

main.dic：包含了原生的中文词语，会按照这个里面的词语去分词

stopword.dic：包含了英文的停用词

 
 

停用词（stopword）是指如 a the 等这样的对于搜索无意义的单词，停用词，会在分词的时候，直接被排除掉，也就是说不会建立在倒排索引中

 
 

二、自定义词库

 
 

1、自己建立词库：每年都会涌现一些特殊的流行词，如网红，蓝瘦香菇，喊麦，鬼畜，一般不会在ik的原生词典里，这时就需要自己补充自己的最新的词语，到ik的词库里面去。分下面两步

• 在IKAnalyzer.cfg.xml进行配制文件地址，一般不会更改，就按IKAnalyzer.cfg.xml里面的要求建立文件夹和文件就行
• 在对应的文件中加入自已的词语，一般在custom/mydict.dic里进行增加主要词
• 然后需要重启es，才能生效

 
 

2、自己建立停用词库：比如了，的，啥，么，我们可能并不想去建立索引

步骤和上面一样，只是在custom/ext_stopword.dic中进行增加。