AWS Elasticsearch 6.2 Kurumoji插件是否支持用户词典及文件放置咨询

是的，AWS Elasticsearch Service 6.2版本的Kurumoji插件完全支持自定义user_dictionary——这个功能是Kurumoji原生自带的，AWS托管版本并未移除该特性。不过因为AWS ES是托管服务，你没法直接访问服务器的文件系统，所以配置方式和自建ES略有不同，具体细节如下：

1. 词典格式要求 #

你的user_dictionary文件需要是UTF-8编码的文本文件，每行定义一个自定义词条，格式为：

[词条],[读音],[词性]

举个例子：

東京スカイツリー,トウキョウスカイツリー,カスタム名詞
マインクラフト,マインクラフト,カスタム名詞

2. 配置自定义词典的方式 #

由于无法直接把文件放到ES服务器的本地目录，推荐用内联配置的方式，在创建或更新索引的分析器设置时直接嵌入词典内容：

示例：创建带自定义词典的Kurumoji分析器 #

PUT /your_index_name
{
  "settings": {
    "analysis": {
      "analyzer": {
        "custom_kurumoji_analyzer": {
          "tokenizer": "custom_kurumoji_tokenizer"
        }
      },
      "tokenizer": {
        "custom_kurumoji_tokenizer": {
          "type": "kurumoji_tokenizer",
          "user_dictionary": "東京スカイツリー,トウキョウスカイツリー,カスタム名詞\nマインクラフト,マインクラフト,カスタム名詞",
          "discard_punctuation": true
        }
      }
    }
  },
  "mappings": {
    "doc": {
      "properties": {
        "title": {
          "type": "text",
          "analyzer": "custom_kurumoji_analyzer"
        }
      }
    }
  }
}

注意事项 #

• 如果你的词典条目特别多，内联字符串太长，可以考虑把词典内容存到一个单独的ES文档里，再通过脚本或批量操作动态生成分析器配置。
• 一定要确保词典是UTF-8编码，避免出现乱码问题。
• 词性部分可以用Kurumoji支持的标签，比如カスタム名詞、一般名詞等。

3. 验证配置是否生效 #

你可以用_analyzeAPI测试自定义词典是否生效：

POST /your_index_name/_analyze
{
  "analyzer": "custom_kurumoji_analyzer",
  "text": "東京スカイツリーへ行く"
}

如果返回的tokens里東京スカイツリー是一个单独的词条，就说明自定义词典配置成功了。

内容的提问来源于stack exchange，提问作者svs