7.3.63. table_tokenize

7.3.63.1. 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。

7.3.63.2. 構文

このコマンドにはたくさんの引数があります。

tablestring 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]

7.3.63.3. 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。

7.3.63.4. 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。

7.3.63.4.1. 必須引数

必須の引数は2つです。 tablestring です。

7.3.63.4.1.1. 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。

7.3.63.4.1.2. string

トークナイズしたい文字列を指定します。

詳細は、 tokenizestring オプションを参照してください。

7.3.63.4.2. 省略可能引数

いくつか省略可能な引数があります。

7.3.63.4.2.1. 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。

詳細は、 tokenizeflags オプションを参照してください。

7.3.63.4.2.2. 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。

詳細は、 tokenizemode オプションを参照してください。

7.3.63.4.2.3. 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。

7.3.63.5. 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。

詳細は、 tokenize戻り値 オプションを参照してください。