问题描述
我想为日语使用 Elasticsearch kuromoji 插件。但是，我很难理解分词器中文件的 user_dictionary 格式。它在弹性文档 https://www.elastic.co/guide/en/elasticsearch/plugins/current/analysis-kuromoji-tokenizer.html 中解释为以下形式的 CSV：
kuromoji 分词器默认使用 MeCab-IPADIC 字典。可以将 user_dictionary 附加到默认字典。字典应采用以下 CSV 格式：
<text>,<token 1> ... <token n>,<reading 1> ... <reading n>,<part-of-speech tag>
所以文档中没有太多相关内容。
查看文档显示的示例条目时，它可能如下所示：
東京スカイツリー,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
所以，分解一下，第一个元素是字典文本：
-
東京スカイツリー- 东京晴空塔 -
東京 スカイツリー- 是东京天空树 - 我假设这里的空间是表示标记，但想知道为什么只有“东京”是一个单独的标记，而天空树没有拆分为“天空”“树”？ -
トウキョウ スカイツリー- 然后我们有一个阅读表格。再说一遍，“东京”“天空树”——再说一遍，为什么它会这样分裂。我可以在这个栏目中指定一种以上文本的阅读形式吗（当然如果有的话） - 最后是词性，这是我不明白的一点。
カスタム名詞表示“自定义名词”。我假设我可以定义词性，例如动词，名词等。但是规则是什么，应该遵循词性名称的某种格式。我看到了将其指定为“名词” -名詞的示例。但在这个例子中是自定义名词。
任何人都有一些想法，材料，尤其是围绕词性领域的材料 - 例如可用值是什么。此外，该字段对整体标记器功能有什么影响？
谢谢
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）