7.3.66. table_tokenize#

7.3.66.1. 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。

7.3.66.2. 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]

7.3.66.3. 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。

7.3.66.4. 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。

7.3.66.4.1. 必須引数#

必須の引数は2つです。 table と string です。

7.3.66.4.1.1. 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。

7.3.66.4.1.2. string#

トークナイズしたい文字列を指定します。

詳細は、 tokenize の string オプションを参照してください。

7.3.66.4.2. 省略可能引数#

いくつか省略可能な引数があります。

7.3.66.4.2.1. 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、 tokenize の flags オプションを参照してください。

7.3.66.4.2.2. 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、 tokenize の mode オプションを参照してください。

7.3.66.4.2.3. 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。

7.3.66.5. 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 の 戻り値 オプションを参照してください。

7.3.66.6. 参考#