표준 토큰화기

Milvus의 ` standard ` 토큰화기는 연속된 유니코드 문자와 숫자를 토큰으로 묶고, 그 외의 문자를 기준으로 분할합니다.

토큰화 규칙

standard 토큰화기는 다음 집합에 속하는 연속된 문자들을 동일한 토큰으로 유지합니다:

• ASCII 문자: 알파벳 A-Z 및 a-z, 그리고 숫자 0-9.
• 비-ASCII 문자: 유니코드 Alphabetic 속성을 가지거나, 숫자 일반 범주 Nd, Nl 또는 No 중 하나에 속하는 문자.

유니코드 속성 또는 범주	의미	토큰에 유지되는 문자의 예
Alphabetic	한자 및 일본어 가나를 포함한 다양한 문자 체계의 문자, 그리고 일부 결합 기호	中文测试, カタカナ
Nd (Decimal_Number)	십진수 숫자	٣
Nl (Letter_Number)	문자 형태의 숫자	Ⅷ
No (Other_Number)	원 안에 있는 숫자, 위첨자, 분수 등 기타 숫자 문자	①²¾

이 집합에 속하지 않는 문자는 토큰을 구분하며 무시됩니다. 여기에는 공백, 구두점, 밑줄(_), 하이픈(-), 아포스트로피(') 및 +, $, 😀 와 같은 기호가 포함됩니다. 연속된 구분자는 빈 토큰을 생성하지 않습니다.

문자 분류는 Rust의 char::is_alphanumeric()을 따릅니다. 속성 정의에 대해서는 유니코드 표준 부록 #44를 참조하십시오. 전체 유니코드 17.0 문자 목록은 DerivedCoreProperties.txtAlphabetic 및 DerivedGeneralCategory.txtNd, Nl, No 에 있습니다. 문자 포함 여부는 배포된 버전에서 사용하는 유니코드 데이터에 따라 다릅니다.

다음 예제에서는 필터가 적용되지 않은 {"tokenizer": "standard"} 를 사용합니다. 토큰화기는 대소문자를 그대로 유지하며, 연속된 중국어 텍스트를 개별 단어로 분할하지 않습니다.

입력	출력 토큰
foo_bar-can't😀123	["foo", "bar", "can", "t", "123"]
中文测试	["中文测试"]
version①.¾	["version①", "¾"]
Hello,World!	["Hello", "World"]

구성

standard 토큰화기를 사용하여 분석기를 구성하려면, analyzer_params 에서 tokenizer 을 standard 으로 설정하십시오.

analyzer_params = {
    "tokenizer": "standard",
}

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");

const analyzer_params = {
    "tokenizer": "standard",
};

analyzerParams = map[string]any{"tokenizer": "standard"}

# restful
analyzerParams='{
  "tokenizer": "standard"
}'

standard 토큰화기는 하나 이상의 필터와 함께 작동할 수 있습니다. 예를 들어, 다음 코드는 standard 토큰화기와 lowercase 필터를 사용하는 분석기를 정의합니다:

analyzer_params = {
    "tokenizer": "standard",
    "filter": ["lowercase"]
}

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");
analyzerParams.put("filter", Collections.singletonList("lowercase"));

const analyzer_params = {
    "tokenizer": "standard",
    "filter": ["lowercase"]
};

analyzerParams = map[string]any{"tokenizer": "standard", "filter": []any{"lowercase"}}

# restful
analyzerParams='{
  "tokenizer": "standard",
  "filter": [
    "lowercase"
  ]
}'

analyzer_params 를 정의한 후에는 컬렉션 스키마를 정의할 때 이를 VARCHAR 필드에 적용할 수 있습니다. 이를 통해 Milvus는 지정된 분석기를 사용하여 해당 필드의 텍스트를 처리함으로써 효율적인 토큰화 및 필터링을 수행할 수 있습니다. 자세한 내용은 사용 예제를 참조하십시오.

예시

분석기 구성을 컬렉션 스키마에 적용하기 전에 run_analyzer 메서드를 사용하여 동작을 확인해 보십시오.

분석기 구성

analyzer_params = {
    "tokenizer": "standard",
    "filter": ["lowercase"]
}

Map<String, Object> analyzerParams = new HashMap<>();
analyzerParams.put("tokenizer", "standard");
analyzerParams.put("filter", Collections.singletonList("lowercase"));

// javascript

analyzerParams = map[string]any{"tokenizer": "standard", "filter": []any{"lowercase"}}

# restful

다음 방법을 사용한 검증 run_analyzer

from pymilvus import (
    MilvusClient,
)

client = MilvusClient(
    uri="http://localhost:19530",
    token="root:Milvus"
)

# Sample text to analyze
sample_text = "The Milvus vector database is built for scale!"

# Run the standard analyzer with the defined configuration
result = client.run_analyzer(sample_text, analyzer_params)
print("Standard analyzer output:", result)

import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.vector.request.RunAnalyzerReq;
import io.milvus.v2.service.vector.response.RunAnalyzerResp;

ConnectConfig config = ConnectConfig.builder()
        .uri("http://localhost:19530")
        .token("root:Milvus")
        .build();
MilvusClientV2 client = new MilvusClientV2(config);

List<String> texts = new ArrayList<>();
texts.add("The Milvus vector database is built for scale!");

RunAnalyzerResp resp = client.runAnalyzer(RunAnalyzerReq.builder()
        .texts(texts)
        .analyzerParams(analyzerParams)
        .build());
List<RunAnalyzerResp.AnalyzerResult> results = resp.getResults();

// javascript

import (
    "context"
    "fmt"

    "github.com/milvus-io/milvus/client/v2/milvusclient"
)

ctx := context.Background()
client, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "localhost:19530",
    APIKey:  "root:Milvus",
})
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

texts := []string{"The Milvus vector database is built for scale!"}
option := milvusclient.NewRunAnalyzerOption(texts...).
    WithAnalyzerParams(analyzerParams)

result, err := client.RunAnalyzer(ctx, option)
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

# restful

예상 출력

['the', 'milvus', 'vector', 'database', 'is', 'built', 'for', 'scale']