Neo4j中實現自定義中文全文索引

資料庫檢索效率時，一般首要優化途徑是從索引入手，然後根據需求再考慮更復雜的負載均衡、讀寫分離和分散式水平/垂直分庫/表等手段；索引通過資訊冗餘來提高檢索效率，其以空間換時間並會降低資料寫入的效率，因此對索引欄位的選擇非常重要。

Neo4j可對指定Label的Node Create Index，當新增/更新符合條件的Node屬性時，Index會自動更新。Neo4j Index預設採用Lucene實現（可定製，如Spatial Index自定義實現的RTree索引），但預設新建的索引只支援精確匹配（get），模糊查詢（query）的話需要以全文索引，控制Lucene後臺的分詞行為。

Neo4j全文索引預設的分詞器是針對西方語種的，如預設的exact查詢採用的是lucene KeywordAnalyzer（關鍵詞分詞器）,fulltext查詢採用的是 white-space tokenizer（空格分詞器），大小寫什麼的對中文沒啥意義；所以針對中文分詞需要掛一箇中文分詞器，如IK Analyzer,Ansj，至於類似樑廠長家的基於深度學習的分詞系統pullword，那就更厲害啦。

本文以常用的IK Analyzer分詞器為例，介紹如何在Neo4j中對欄位新建全文索引實現模糊查詢。

目錄

• 1. IKAnalyzer分詞器
  • 1.1. IKAnalyzer3.0特性
• 2. IKAnalyzer自定義使用者詞典
  • 2.1. 詞典檔案
  • 2.2. 詞典配置
• 3. Neo4j全文索引構建
• 4. Neo4j全文索引測試
• 5. CyperQL中使用自定義全文索引查詢
  • 5.1. 正則查詢
  • 5.2. 全文索引查詢
• 6. LegacyIndex中建立聯合exact和fulltext索引
  • 6.1. 相關文章

IKAnalyzer分詞器

IKAnalyzer是一個開源的，基於java語言開發的輕量級的中文分詞工具包。

IKAnalyzer3.0特性

• 採用了特有的“正向迭代最細粒度切分演算法“，支援細粒度和最大詞長兩種切分模式；具有83萬字/秒（1600KB/S）的高速處理能力。

• 採用了多子處理器分析模式，支援：英文字母、數字、中文詞彙等分詞處理，相容韓文、日文字元優化的詞典儲存，更小的記憶體佔用。支援使用者詞典擴充套件定義

• 針對Lucene全文檢索優化的查詢分析器IKQueryParser(作者吐血推薦)；引入簡單搜尋表示式，採用歧義分析演算法優化查詢關鍵字的搜尋排列組合，能極大的提高Lucene檢索的命中率。
  IK Analyser目前還沒有maven庫，還得自己手動下載install到本地庫，下次空了自己在github做一個maven私有庫，上傳這些maven central庫裡面沒有的工具包。

IKAnalyzer自定義使用者詞典

詞典檔案

自定義詞典字尾名為.dic的詞典檔案，必須使用無BOM的UTF-8編碼儲存的檔案。

詞典配置

詞典和IKAnalyzer.cfg.xml配置檔案的路徑問題，IKAnalyzer.cfg.xml必須在src根目錄下。詞典可以任意放，但是在IKAnalyzer.cfg.xml裡要配置對。如下這種配置，ext.dic和stopword.dic應當在同一目錄下。

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 擴充套件配置</comment>
<!--使用者可以在這裡配置自己的擴充套件字典 -->
<entry key="ext_dict">/ext.dic;</entry>
<!--使用者可以在這裡配置自己的擴充套件停止詞字典-->
<entry key="ext_stopwords">/stopword.dic</entry>
</properties>

Neo4j全文索引構建

指定IKAnalyzer作為luncene分詞的analyzer，並對所有Node的指定屬性新建全文索引

  @Override
public void createAddressNodeFullTextIndex () {
try (Transaction tx = graphDBService.beginTx()) {
IndexManager index = graphDBService.index();
Index<Node> addressNodeFullTextIndex =
index.forNodes( "addressNodeFullTextIndex", MapUtil.stringMap(IndexManager.PROVIDER, "lucene", "analyzer", IKAnalyzer.class.getName()));
ResourceIterator<Node> nodes = graphDBService.findNodes(DynamicLabel.label( "AddressNode"));
while (nodes.hasNext()) {
Node node = nodes.next();
//對text欄位新建全文索引
Object text = node.getProperty( "text", null);
addressNodeFullTextIndex.add(node, "text", text);
}
tx.success();
}
}

Neo4j全文索引測試

對關鍵詞（如’有限公司’），多關鍵詞模糊查詢（如’蘇州 教育 公司’）預設都能檢索，且檢索結果按關聯度已排好序。

package uadb.tr.neodao.test;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.neo4j.graphdb.GraphDatabaseService;
import org.neo4j.graphdb.Node;
import org.neo4j.graphdb.Transaction;
import org.neo4j.graphdb.index.Index;
import org.neo4j.graphdb.index.IndexHits;
import org.neo4j.graphdb.index.IndexManager;
import org.neo4j.helpers.collection.MapUtil;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.test.context.ContextConfiguration;
import org.springframework.test.context.junit4.SpringJUnit4ClassRunner;
import org.wltea.analyzer.lucene.IKAnalyzer;
import com.lt.uadb.tr.entity.adtree.AddressNode;
import com.lt.util.serialize.JsonUtil;
/**
* AddressNodeNeoDaoTest
*
* @author geosmart
*/
@RunWith(SpringJUnit4ClassRunner. class)
@ContextConfiguration(locations = { "classpath:app.neo4j.cfg.xml" })
public class AddressNodeNeoDaoTest {
@Autowired
GraphDatabaseService graphDBService;
@Test
public void test_selectAddressNodeByFullTextIndex() {
try (Transaction tx = graphDBService.beginTx()) {
IndexManager index = graphDBService.index();
Index<Node> addressNodeFullTextIndex = index.forNodes("addressNodeFullTextIndex" ,
MapUtil. stringMap(IndexManager.PROVIDER, "lucene", "analyzer" , IKAnalyzer.class.getName()));
IndexHits<Node> foundNodes = addressNodeFullTextIndex.query("text" , "蘇州 教育 公司" );
for (Node node : foundNodes) {
AddressNode entity = JsonUtil.ConvertMap2POJO(node.getAllProperties(), AddressNode. class, false, true);
System. out.println(entity.getAll地址實全稱());
}
tx.success();
}
}
}

CyperQL中使用自定義全文索引查詢

正則查詢

profile
match (a:AddressNode{ruleabbr:'TOW',text:'唯亭鎮'})<-[r:BELONGTO]-(b:AddressNode{ruleabbr:'STR'})
where b.text=~ '金陵.*'
return a,b

全文索引查詢

profile
START b=node:addressNodeFullTextIndex("text:金陵*")
match (a:AddressNode{ruleabbr:'TOW',text:'唯亭鎮'})<-[r:BELONGTO]-(b:AddressNode)
where b.ruleabbr='STR'
return a,b

LegacyIndex中建立聯合exact和fulltext索引

對label為AddressNode的節點，根據節點屬性ruleabbr的分類addressnode_fulltext_index（省->市->區縣->鄉鎮街道->街路巷/物業小區）/addressnode_exact_index(門牌號->樓幢號->單元號->層號->戶室號)，對屬性text分別建不同型別的索引

profile
START a=node:addressnode_fulltext_index("text:商業街"),b=node:addressnode_exact_index("text:二期19")
match (a:AddressNode{ruleabbr:'STR'})-[r:BELONGTO]-(b:AddressNode{ruleabbr:'TAB'})
return a,b limit 10

相關文章

TiDB 2.0 GA Release

TiDB 1.1 Beta Release

TiDB 1.1 Alpha Release

Succinct Data Structure

Scaling ArangoDB to gigabytes per second on Mesosphere’...

redis & redis-cluster

原文地址：https://codertw.com/%e8%b3%87%e6%96%99%e5%ba%ab/10006/