差分

このページの2つのバージョン間の差分を表示します。

--- mroonga:10.7:config [2020/11/10 09:23]
y2sunlight [トークナイザー(パーサ)]
+++ mroonga:10.7:config [2020/11/11 10:00] (現在)
y2sunlight [TokenMecab]
@@ 行 1: / 行 1: @@
-> 編集中
 ====== Mroonga9.12 全文検索の構成 ======
 Version 9.12 (MariaDB 10.4.12)
@@ 行 52: / 行 50: @@
 |リンゴ|りんご|カタカナ <nowiki>=></nowiki> ひらがな|
-結論から先に言うと、ノーマライザーとして [[https://groonga.org/ja/docs/reference/normalizers/normalizer_auto.html|NormalizerAuto]] をべきです。以下、チュートリアルに従ってその理由を説明します。
+結論から先に言うと、ノーマライザーとしては [[https://groonga.org/ja/docs/reference/normalizers/normalizer_auto.html|NormalizerAuto]] を使用すべきです。以下、チュートリアルに従ってその理由を説明します。
 \\
@@ 行 213: / 行 211: @@
 |none|トークナイズしません。|
 |TokenDelimit|空白区切りでトークナイズします。|
+|TokenRegexp|正規表現検索をサポートするトークナイザーです。|
 |TokenUnigram|ユニグラム(1-Gram)でトークナイズします。|
 |TokenBigram|バイグラム(2-Gram)でトークナイズします。|
@@ 行 221: / 行 220: @@
 <code sql>
-SHOW VARIABLES LIKE 'mroonga_default_parser';
+SHOW VARIABLES LIKE 'mroonga_default_tokenizer';
 </code>
@@ 行 233: / 行 232: @@
 </code>
+\\
+==== TokenMecab ====
+本編で使用している MariaDB with Mroonga (Windows版バイナリ) ではパーサとして形態素解析エンジンの Mecab がバンドルされていて直ぐに利用することができます。Mecab の本体は以下に配置されています：
+<code>
+{XAMPP-Folder}/mysql/bin/mecab.exe
+</code>
+Mecabの設定ファイル mecabrc の配置場所と内容を以下の示します：
+''{XAMPP-Folder}/mysql/etc/mecabrc''
+<code ini>
+; Configuration file of MeCab
+dicdir = $(rcpath)\..\share\mecab\dic\naist-jdic
+</code>
+mecabrc では形態素解析で使用する辞書が設定されています。初期設定の辞書としては、Mroongaにバンドルされている [[https://ja.osdn.net/projects/naist-jdic/|naist-jdic]] が指定されています。他の辞書に変えるときは、上の ''dicdir'' を変更するだけです。
+以下は「[[mroonga:10.7:tutorial|検索チュートリアル]]」で示した例を、Mecabのパーサに替えたものです。
+<code sql>
+CREATE TABLE diaries_mecab (
+  id INT PRIMARY KEY AUTO_INCREMENT,
+  content VARCHAR(255),
+  FULLTEXT INDEX (content) COMMENT 'tokenizer "TokenMecab"'
+) ENGINE = Mroonga COLLATE utf8_unicode_ci;
+INSERT INTO diaries_mecab (content) VALUES ("今日の天気は晴れでしょう。");
+INSERT INTO diaries_mecab (content) VALUES ("今日の天気は雨でしょう。");
+INSERT INTO diaries_mecab (content) VALUES ("明日の東京都の天気は晴れでしょう。");
+INSERT INTO diaries_mecab (content) VALUES ("明日の京都の天気は雨でしょう。");
+</code>
+以下の検索を実行します：
+<code sql>
+SELECT * FROM diaries_mecab WHERE MATCH(content) AGAINST('明日 京都 天気');
+</code>
+結果は以下のように出力されます：
+<code sql>
+明日の京都の天気は雨でしょう。
+</code>
+検索チュートリアルの[[mroonga:10.7:tutorial#自然言語検索|例]]では、トークナイザーがバイグラム (TokenBigram) だったので、「明日の東京都の天気は晴れでしょう。」にもヒットしてしまいましたが、Mecabの場合は形態素解析により「東京都」と「京都」を区別するのでこのような現象は起こりません。
+「明日の東京都の天気は晴れでしょう。」がバイグラムとMecabとでどのようにトークン化をされるかを確認するには、以下のようにSELECT文からGroongaコマンドを使います。
+バイグラムの場合：
+<code sql>
+SELECT mroonga_command('tokenize TokenBigram "明日の東京都の天気は晴れでしょう。"');
+</code>
+<code json>
+[
+  {"value":"明日","position":0,"force_prefix":false,"force_prefix_search":false},
+  {"value":"日の","position":1,"force_prefix":false,"force_prefix_search":false},
+  {"value":"の東","position":2,"force_prefix":false,"force_prefix_search":false},
+  {"value":"東京","position":3,"force_prefix":false,"force_prefix_search":false},
+  {"value":"京都","position":4,"force_prefix":false,"force_prefix_search":false},
+  {"value":"都の","position":5,"force_prefix":false,"force_prefix_search":false},
+  {"value":"の天","position":6,"force_prefix":false,"force_prefix_search":false},
+  {"value":"天気","position":7,"force_prefix":false,"force_prefix_search":false},
+  {"value":"気は","position":8,"force_prefix":false,"force_prefix_search":false},
+  {"value":"は晴","position":9,"force_prefix":false,"force_prefix_search":false},
+  {"value":"晴れ","position":10,"force_prefix":false,"force_prefix_search":false},
+  {"value":"れで","position":11,"force_prefix":false,"force_prefix_search":false},
+  {"value":"でし","position":12,"force_prefix":false,"force_prefix_search":false},
+  {"value":"しょ","position":13,"force_prefix":false,"force_prefix_search":false},
+  {"value":"ょう","position":14,"force_prefix":false,"force_prefix_search":false},
+  {"value":"う。","position":15,"force_prefix":false,"force_prefix_search":false},
+  {"value":"。","position":16,"force_prefix":false,"force_prefix_search":false}
+]
+</code>
+Mecabの場合：
+<code sql>
+SELECT mroonga_command('tokenize TokenMecab "明日の東京都の天気は晴れでしょう。"');
+</code>
+<code json>
+[
+  {"value":"明日","position":0,"force_prefix":false,"force_prefix_search":false},
+  {"value":"の","position":1,"force_prefix":false,"force_prefix_search":false},
+  {"value":"東京","position":2,"force_prefix":false,"force_prefix_search":false},
+  {"value":"都","position":3,"force_prefix":false,"force_prefix_search":false},
+  {"value":"の","position":4,"force_prefix":false,"force_prefix_search":false},
+  {"value":"天気","position":5,"force_prefix":false,"force_prefix_search":false},
+  {"value":"は","position":6,"force_prefix":false,"force_prefix_search":false},
+  {"value":"晴れ","position":7,"force_prefix":false,"force_prefix_search":false},
+  {"value":"でしょ","position":8,"force_prefix":false,"force_prefix_search":false},
+  {"value":"う","position":9,"force_prefix":false,"force_prefix_search":false},
+  {"value":"。","position":10,"force_prefix":false,"force_prefix_search":false}]
+]
+</code>
 \\
-===== トークンフィルタ― =====
-> TODO
+===== トークンフィルター =====
+Mroongaではトークン化の後に、トークンに所定の処理を行うトークンフィルターを指定することができます。トークンフィルターを CREATE TABLE 文の中で指定するには、''COMMENT'' を使用した以下の構文を使用します：
+<code sql>
+FULLTEXT [INDEX] [インデックス名] (カラム1,...) COMMENT 'token_filters "フィルター名"'
+</code>
+以下の３つの組込みフィルターを使用できます。詳しくはGroongaの[[https://groonga.org/ja/docs/reference/token_filters.html|ドキュメント]]を参照して下さい。
+  * [[https://groonga.org/ja/docs/reference/token_filters/token_filter_nfkc100.html|TokenFilterNFKC100]] \\  NormalizerNFKC100 と同じ正規化をトークン化後に使用できます。\\
+  * [[https://groonga.org/ja/docs/reference/token_filters/token_filter_stem.html|TokenFilterStem]] \\ トークンをステミングします（語形の変化を取り除き、同一の単語表現に変換する処理）。\\
+  * [[https://groonga.org/ja/docs/reference/token_filters/token_filter_stop_word.html|TokenFilterStopWord]]  \\ トークンからストップワードを除去します。
 \\

Ground Sunlight

ユーザ用ツール

サイト用ツール

差分

ページ用ツール