7.3.65. table_tokenize¶
7.3.65.1. 概要¶
table_tokenize コマンドは指定したテーブルのトークナイザーでテキストをトークナイズします。
7.3.65.2. 構文¶
このコマンドにはたくさんの引数があります。
table と string は必須の引数です。残りは省略できます:
table_tokenize table
string
[flags=NONE]
[mode=GET]
[index_column=null]
7.3.65.3. 使い方¶
以下は簡単な使用例です。
実行例:
plugin_register token_filters/stop_word
# [[0, 1337566253.89858, 0.000355720520019531], true]
table_create Terms TABLE_PAT_KEY ShortText --default_tokenizer TokenBigram --normalizer NormalizerAuto --token_filters TokenFilterStopWord
# [[0, 1337566253.89858, 0.000355720520019531], true]
column_create Terms is_stop_word COLUMN_SCALAR Bool
# [[0, 1337566253.89858, 0.000355720520019531], true]
load --table Terms
[
{"_key": "and", "is_stop_word": true}
]
# [[0, 1337566253.89858, 0.000355720520019531], 1]
table_tokenize Terms "Hello and Good-bye" --mode GET
# [[0, 1337566253.89858, 0.000355720520019531], []]
Terms テーブルには、 TokenBigram トークナイザーと、 NormalizerAuto ノーマライザーと、 TokenFilterStopWord トークンフィルターがセットされています。 この例は TokenBigram トークナイザーで "Hello and Good-bye" をトークナイズしたトークンを返します。トークンは、 NormalizerAuto ノーマライザーで正規化されています。 and トークンは、 TokenFilterStopWord トークンフィルターで除去されています。
7.3.65.4. 引数¶
このセクションではすべての引数について説明します。引数はカテゴリわけしています。
7.3.65.4.1. 必須引数¶
必須の引数は2つです。 table と string です。
7.3.65.4.1.1. table¶
語彙表テーブルを指定します。 table_tokenize コマンドは、語彙表テーブルにセットされたトークナイザーとノーマライザーとトークンフィルターを使います。
7.3.65.4.1.2. string¶
トークナイズしたい文字列を指定します。
7.3.65.4.2. 省略可能引数¶
いくつか省略可能な引数があります。
7.3.65.4.2.1. flags¶
トークナイズ処理をカスタマイズするオプションを指定します。「 | 」で区切って複数のオプションを指定することができます。
デフォルト値は NONE です。
7.3.65.4.2.2. mode¶
トークナイズモードを指定します。
デフォルト値は GET です。
7.3.65.4.2.3. index_column¶
インデックスカラム名を指定します。
戻り値にインデックスの estimated_size が含まれます。
estimated_size はトークンの概算の出現頻度を調べるのに便利です。
7.3.65.5. 戻り値¶
table_tokenize コマンドはトークナイズしたトークンを返します。