产品动态
产品公告
安全公告
QQ 分词插件
QQ 分词插件是由腾讯云 ES 团队与腾讯 NLP 团队联合研发的中文分词插件，在腾讯内部广泛应用于 QQ、微信、浏览器等业务。在传统词典分词的基础上，增加了 NER 命名实体识别，同时支持自定义词库功能。QQ 分词插件经过多年的应用实践和不断打磨优化，在分词准确度、分析速度等关键指标上均处于业界领先，您可以在腾讯云 ES 中使用 QQ 分词插件来完成文档的分析和检索。
使用须知
QQ 分词插件仅支持数据节点规格在2核8G及以上的集群，如果集群未安装 QQ 分词插件，请在插件列表页面安装 QQ 分词插件（analysis-qq）。
QQ 分词插件提供如下的分析器（analyzer）和分词器（tokenizer）：
分析器：qq_smart, qq_max, qq_smart_ner, qq_max_ner。
分词器：qq_smart, qq_max, qq_smart_ner, qq_max_ner。
您可以使用上述的分析器和分词器完成文档的分析和查询。您也可以通过词库配置功能，自定义更新分词词库，详情请参见下文的配置词库。
说明：
qq_max 和 qq_smart 有什么区别？qq_max：会将文本做最细粒度的拆分，例如会将“西红柿鸡蛋汤”拆分为“西红柿鸡蛋汤、西红柿鸡蛋、鸡蛋汤、西红柿，鸡蛋、汤、鸡、蛋”。
qq_smart：会做最粗粒度的拆分，例如会将“西红柿鸡蛋汤”拆分为“西红柿、鸡蛋、汤”。
ner 是什么？为什么 ner 功能要独立一个分词器？
ner 是 Named Entity Recognition（命名实体识别）的简称，可以识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。对于这一类专有名词，不需要用户上传自定义词库。将 ner 功能单独保证为一个分词器，主要是因为 ner 功能需要加载一个模型，首次加载时间比较长。
使用步骤
1. 登录已安装 QQ 分词插件的集群对应的 Kibana 控制台。登录控制台的具体步骤请参考 通过 Kibana 访问集群。
2. 单击左侧导航栏的 Dev Tools。
3. 在 Console 中使用 QQ 分词插件的分析器创建索引。
PUT /index{"mappings": {"_doc": {"properties": {"content": {"type": "text","analyzer": "qq_max","search_analyzer": "qq_smart"}}}}}
上面的语句创建了一个名称为
index的索引，类型为_doc（ES 7及以上版本需要在创建索引时加入?include_type_name=true才能支持类型）。包含了一个content属性，类型为text，并使用了qq_max和qq_smart分析器。执行成功后，将返回如下结果。{"acknowledged": true,"shards_acknowledged": true,"index": "index"}
4. 添加文档。
POST /index/_doc/1{"content": "我从微信上下载了王者荣耀"}POST /index/_doc/2{"content": "住建部:9月底前完成名镇名村景观资源登记"}POST /index/_doc/3{"content": "中国气象台最新天气预报"}POST /index/_doc/4{"content": "我家住在中国古建筑保护协会附近"}
上面的语句导入了4个文档，将使用
qq_max分析器对文档进行分析。5. 使用关键词高亮的方式查询文档。
GET index/_search{"query" : { "match" : { "content" : "中国" }},"highlight" : {"pre_tags" : ["<tag1>", "<tag2>"],"post_tags" : ["</tag1>", "</tag2>"],"fields" : {"content": {}}}}
上面的语句在所有
_doc类型的文档中，使用qq_smart分析器，搜索content字段中包含中国的文档。执行成功后，返回如下结果。{"took" : 108,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 2,"relation" : "eq"},"max_score" : 0.7199211,"hits" : [{"_index" : "index","_type" : "_doc","_id" : "4","_score" : 0.7199211,"_source" : {"content" : "我家住在中国古建筑保护协会附近"},"highlight" : {"content" : ["我家住在<tag1>中国</tag1>古建筑保护协会附近"]}},{"_index" : "index","_type" : "_doc","_id" : "3","_score" : 0.6235748,"_source" : {"content" : "中国气象台最新天气预报"},"highlight" : {"content" : ["<tag1>中国</tag1>气象台最新天气预报"]}}]}}
使用自定义词典
QQ 分词插件支持自定义词典的配置，词典上传后会触发集群的滚动重启，请确保集群处于 GREEN 状态，并且没有单副本索引。
1. 登录 Elasticsearch Service 控制台，在集群列表页，单击集群ID/名称进入集群详情页。
2. 单击插件列表，进入插件列表管理页面。
3. 找到 QQ 分词插件（analysis-qq），单击右侧更新词典。
4. 词典文件要求如下。
词典文件必须为utf-8编码，一行一个词，且文件扩展名为
.dic。单个文件最大为10M，上传文件总数最多为10个。
5. 单击保存。保存后，不会触发集群重启，但需要若干分钟触发集群变更使词典文件生效。
排查测试
如果您在使用 QQ 分词插件时，得到的结果不符合预期，可以通过下面的语句对分析器和分词器进行排查测试。
GET _analyze{"text": "我家住在中国古建筑保护协会附近","analyzer": "qq_max"}GET _analyze{"text": "我家住在中国古建筑保护协会附近","tokenizer": "qq_smart"}
文档反馈