云服务器内容精选

华为云首页用户手册

自定义词库

云搜索服务 CSS-配置自定义词库:配置自定义词库

配置自定义词库在云搜索服务管理控制台，在左侧菜单栏选择对应的集群类型，进入集群管理页面。在“集群管理”页面，单击需要配置自定义词库的集群名称，进入集群基本信息页面。选择“自定义词库”。在“自定义词库”页面，您可以单击开关来开启或关闭自定义词库功能。 OBS桶：主词库、停词词库和同义词词库文件存储的OBS桶位置。如果当前没有可用OBS桶，您可以单击“创建桶”进行创建，并将词库导入OBS桶中，详细操作步骤请参见创建桶。创建的OBS桶必须和集群所在“区域”相同。主词词库对象：主词词库文件必须是UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。如果涉及单词，必须改成小写字母。主词库文件最大支持100M。停词词库对象：停词词库文件必须是UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。停词词库文件最大支持80M。同义词词库对象：同义词词库文件必须是UTF-8无BOM格式编码的文本文件，且文件中每一行为一组同义词，同义词之间用英文逗号隔开。同义词词库文件最大支持80MB。图1 配置自定义词库单击“保存”，在“确认”对话框中，单击“确定”。词库信息在下方呈现，此时词库状态为“更新中”。请耐心等待1分钟左右，当词库配置完成后，词库状态变更为“成功”，此时，配置的词库信息已在此集群中生效。

云搜索服务 CSS 自定义词库
云搜索服务 CSS-配置自定义词库:上传词库文件至OBS

上传词库文件至OBS 配置自定义词库需要提前将词库上传至OBS桶。按表1要求准备词库文件。表1 词库说明词库类型概述文件要求主词词库主词为用户希望进行分词的特殊词语，如上文场景中的“智能手机”和“喜大普奔”。主词库则是这些特殊词语的集合。 UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。如果涉及单词，必须改成小写字母。主词库文件最大支持100M。停词词库停词为用户不希望进行分词或者关注的词语，如“的”、“什么”、“怎么”等。停词词库是停词词语的集合。 UTF-8无BOM格式编码的文本文件，且文件中每一行为一个分词。停词词库文件最大支持80M。同义词词库同义词为意义相同的一组词语，如“开心”和“高兴”。同义词词库是同义词词语的集合。 UTF-8无BOM格式编码的文本文件，且文件中每一行为一组同义词，同义词之间用英文逗号隔开。同义词词库文件最大支持80MB。上传词库文件至OBS桶，详细操作步骤请参见上传文件。上传的OBS桶必须和集群所在“区域”相同。

云搜索服务 CSS 自定义词库
云搜索服务 CSS-配置自定义词库:背景信息

背景信息自定义词库使用的分词器包括IK分词器和同义词分词器。 IK分词器配备主词词库和停词词库；同义词分词器配备同义词词库。配置自定义词库需要提前准备词库文件并上传至OBS，详情请见上传词库文件至OBS。其中，IK分词器包含ik_max_word和ik_smart分词策略。同义词分词器使用的是ik_synonym分词策略。 ik_max_word：会将文本做最细粒度的拆分，比如会将“昨夜西风吹折千林梢”拆分为“昨夜西风,昨夜,西风,吹折千林梢,吹折,千林梢,千,林,折千林,千林,吹”，会穷尽各种可能的分词组合。 ik_smart：会做最粗粒度的拆分，比如会将“昨夜西风吹折千林梢”拆分为“昨夜西风,吹折千林梢”。

云搜索服务 CSS 自定义词库