Stopp
Der Filter stop
entfernt bestimmte Stoppwörter aus tokenisiertem Text und hilft so, häufige, weniger aussagekräftige Wörter zu eliminieren. Sie können die Liste der Stoppwörter mit dem Parameter stop_words
konfigurieren.
Konfiguration
Der Filter length
ist ein benutzerdefinierter Filter in Milvus. Um ihn zu verwenden, geben Sie "type": "stop"
in der Filterkonfiguration an, zusammen mit einem stop_words
Parameter, der eine Liste von Stoppwörtern bereitstellt.
analyzer_params = {
"tokenizer": "standard",
"filter":[{
"type": "stop", # Specifies the filter type as stop
"stop_words": ["of", "to", "_english_"], # Defines custom stop words and includes the English stop word list
}],
}
Der Filter stop
akzeptiert die folgenden konfigurierbaren Parameter.
Parameter | Beschreibung |
---|---|
| Eine Liste von Wörtern, die aus der Tokenisierung entfernt werden sollen. Standardmäßig wird die vordefinierte Liste |
Der Filter stop
arbeitet mit den vom Tokenizer erzeugten Begriffen und muss daher in Kombination mit einem Tokenizer verwendet werden.
Nachdem Sie analyzer_params
definiert haben, können Sie sie bei der Definition eines Sammelschemas auf ein VARCHAR
Feld anwenden. Dadurch kann Milvus den Text in diesem Feld unter Verwendung des angegebenen Analysators für eine effiziente Tokenisierung und Filterung verarbeiten. Einzelheiten finden Sie unter Beispielanwendung.
Beispiel-Ausgabe
Hier ist ein Beispiel dafür, wie der stop
Filter Text verarbeitet.
Ursprünglicher Text.
"The stop filter allows control over common stop words for text processing."
Erwartete Ausgabe (mit stop_words: ["the", "over", "_english_"]
).
["The", "stop", "filter", "allows", "control", "common", "stop", "words", "text", "processing"]