/ /

Referencia del índice

Referencia del índice

Analizadores

Analizadores de lenguaje

Utiliza analizadores específicos del lenguaje para crear índices adaptados a un lenguaje particular. Cada analizador de idioma tiene funcionalidad incorporada de palabras vacías y divisiones de palabras basadas en los patrones de uso de ese idioma.

MongoDB Search ofrece los siguientes analizadores de lenguaje:

`lucene.arabic`	`lucene.armenian`	`lucene.basque`	`lucene.bengali`
`lucene.brazilian`	`lucene.bulgarian`	`lucene.catalan`	`lucene.chinese`
`lucene.cjk` ¹	`lucene.czech`	`lucene.danish`	`lucene.dutch`
`lucene.english`	`lucene.finnish`	`lucene.french`	`lucene.galician`
`lucene.german`	`lucene.greek`	`lucene.hindi`	`lucene.hungarian`
`lucene.indonesian`	`lucene.irish`	`lucene.italian`	`lucene.japanese`
`lucene.korean`	`lucene.kuromoji` ²	`lucene.latvian`	`lucene.lithuanian`
`lucene.morfologik` ³	`lucene.nori` ⁴	`lucene.norwegian`	`lucene.persian`
`lucene.polish`	`lucene.portuguese`	`lucene.romanian`	`lucene.russian`
`lucene.smartcn` ⁵	`lucene.sorani`	`lucene.spanish`	`lucene.swedish`
`lucene.thai`	`lucene.turkish`	`lucene.ukrainian`

¹ cjk es un analizador genérico chino, japonés y coreano

² kuromoji es un analizador japonés

³ morfologik es un analizador polaco

⁴ nori es un analizador coreano

⁵ smartcn es un analizador chino

Ejemplos

Considere una colección llamada cars con los siguientes documentos:

{
  "_id": 1,
  "subject": {
    "en": "It is better to equip our cars to understand the causes of the accident.",
    "fr": "Mieux équiper nos voitures pour comprendre les causes d'un accident.",
    "he": "עדיף לצייד את המכוניות שלנו כדי להבין את הגורמים לתאונה."
  }
}

{
  "_id": 2,
  "subject": {
    "en": "The best time to do this is immediately after you've filled up with fuel",
    "fr": "Le meilleur moment pour le faire c'est immédiatement après que vous aurez fait le plein de carburant.",
    "he": "הזמן הטוב ביותר לעשות זאת הוא מיד לאחר שמילאת דלק."
  }
}

Ejemplo de analizador de lenguaje con funcionalidad incorporada

La siguiente definición de índice de ejemplo especifica un índice en el campo subject.fr utilizando el analizador french:

{
  "mappings": {
    "fields": {
      "subject": {
        "fields": {
          "fr": {
            "analyzer": "lucene.french",
            "type": "string"
          }
        },
        "type": "document"
      }
    }
  }
}

El siguiente query de MongoDB Search busca la string pour en el campo subject.fr. Para ejecutar esta consulta, conéctate a tu clúster utilizando mongosh y cambia a la base de datos que contiene la colección cars.

db.cars.aggregate([
  {
    $search: {
      "text": {
        "query": "pour",
        "path": "subject.fr"
      }
    }
  },
  {
    $project: {
      "_id": 0,
      "subject.fr": 1
    }
  }
])

La consulta anterior no devuelve ningún resultado al utilizar el analizador french, porque pour es una palabra vacía incorporada. Usando el analizador standard, la misma query devolvería ambos documentos.

El siguiente query de MongoDB Search busca la string carburant en el campo subject.fr. Para ejecutar esta consulta, conéctate a tu clúster utilizando mongosh y cambia a la base de datos que contiene la colección cars.

db.cars.aggregate([
  {
    $search: {
      "text": {
        "query": "carburant",
        "path": "subject.fr"
      }
    }
  },
  {
    $project: {
      "_id": 0,
      "subject.fr": 1
    }
  }
])

{ subject: { fr: "Le meilleur moment pour le faire c'est immédiatement après que vous aurez fait le plein de carburant." } }

MongoDB Search devuelve un documento con _id: 1 en los resultados porque la query coincidió con un token que el analizador lucene.french creó para el documento. El analizador lucene.french crea los siguientes tokens para el campo subject.fr en el documento con _id: 1:

`meileu`	`moment`	`fair`
`est`	`imediat`	`aprè`
`fait`	`plein`	`carburant`

Ejemplo de analizador de lenguaje personalizado

También puedes crear índices para idiomas no compatibles creando un analizador personalizado con los filtros de tokens icuFolding y stopword.

El siguiente ejemplo de definición de índice especifica un índice en el campo subject.he mediante un analizador personalizado llamado myHebrewAnalyzer para analizar y crear tokens para texto en hebreo:

{
  "analyzer": "lucene.standard",
  "mappings": {
    "dynamic": false,
    "fields": {
      "subject": {
        "fields": {
          "he": {
            "analyzer": "myHebrewAnalyzer",
            "type": "string"
          }
        },
        "type": "document"
      }
    }
  },
  "analyzers": [
    {
      "charFilters": [],
      "name": "myHebrewAnalyzer",
      "tokenFilters": [
        {
          "type": "icuFolding"
        },
        {
          "tokens": [
            "אן",
            "שלנו",
            "זה",
            "אל"
          ],
          "type": "stopword"
        }
      ],
      "tokenizer": {
        "type": "standard"
      }
    }
  ]
}

El siguiente query de MongoDB Search busca la string המכוניות en el campo subject.he. Para ejecutar esta consulta, conéctate a tu clúster utilizando mongosh y cambia a la base de datos que contiene la colección cars.

db.cars.aggregate([
  {
    $search: {
      "text": {
        "query": "המכוניות",
        "path": "subject.he"
      }
    }
  },
  {
    $project: {
      "_id": 0,
      "subject.he": 1
    }
  }
])

{ subject: { he: 'עדיף לצייד את המכוניות שלנו כדי להבין את הגורמים לתאונה.' } }

MongoDB Search devuelve un documento con _id: 1 en los resultados porque la query coincidió con un token que el analizador myHebrewAnalyzer creó para el documento. El analizador myHebrewAnalyzer crea los siguientes tokens para el campo subject.he en el documento con _id: 1:

`עדיף`	`לצייד`	`את`
`המכוניות`	`כדי`	`להבין`
`את`	`הגורמים`	`לתאונה`

Ejemplo de búsqueda multilingüe

También puedes crear un índice que utilice múltiples analizadores de idioma para realizar una búsqueda multilingüe.

La siguiente definición de índice de ejemplo especifica un índice con mapeo dinámico en la colección sample_mflix.movies. La definición aplica el analizador de lenguaje lucene.italian para indexar el campo fullplot, y usa la opción multi para especificar lucene.english como un analizador de lenguaje alternativo. MongoDB Search utiliza el analizador de lenguaje por defecto lucene.english para todos los demás campos que indexa dinámicamente en la colección movies.

{
  "analyzer": "lucene.standard",
  "mappings": {
    "dynamic": true,
    "fields": {
      "fullplot": {
        "type": "string",
        "analyzer": "lucene.italian",
        "multi": {
          "fullplot_english": {
            "type": "string",
            "analyzer": "lucene.english",
          }
        }
      }
   }
  }
}

El siguiente query de MongoDB Search utiliza el operador compuesto para consultar la colección en varios idiomas. Para ejecutar este query, conéctate a tu clúster usando mongosh y cambia a la base de datos sample_mflix.

El operador compuesto contiene las siguientes cláusulas:

must la cláusula busca argumentos de películas en inglés e italiano que contengan el término Bella utilizando el operador de texto
mustNot la cláusula excluye películas lanzadas entre los años 1984 y 2016 utilizando el operador de rango
should cláusula especifica la preferencia por el género de Comedy utilizando el operador de texto

db.movies.aggregate([
  {
    $search: {
      "index": "multilingual-tutorial",
      "compound": {
        "must": [{
          "text": {
            "query": "Bella",
            "path": { "value": "fullplot", "multi": "fullplot_english" }
          }
        }],
        "mustNot": [{
          "range": {
            "path": "released",
            "gt": ISODate("1984-01-01T00:00:00.000Z"),
            "lt": ISODate("2016-01-01T00:00:00.000Z")
          }
        }],
        "should": [{
          "text": {
            "query": "Comedy",
            "path": "genres"
          }
        }]
      }
    }
  },
  {
    $project: {
      "_id": 0,
      "title": 1,
      "plot": 1,
      "genres": 1,
      "runtime": 1,
      "fullplot": 1,
      "released": 1,
      "score": { "$meta": "searchScore" }
    }
  }
])

[
  {
    plot: "Giovanna e' una bella ragazza, ma ha qualche problema con gli uomini: tutti la vogliono solo usare, anche il suo fidanzata Claudio. Trovera' una via d'uscita diventando vigile urbano. Come ...",
    genres: [ 'Comedy' ],
    runtime: 100,
    title: 'Policewoman',
    fullplot: "Giovanna e' una bella ragazza, ma ha qualche problema con gli uomini: tutti la vogliono solo usare, anche il suo fidanzata Claudio. Trovera' una via d'uscita diventando vigile urbano. Come Giovanna d'Arco, il suo idolo, non guardera' in faccia a nessuno e con l'aiuto del pretore Patane', innamorato di lei, smascherera' una serie di intrallazzi e corruzione denunciando perfino il suo capo, Marcellini. I due paladini della giustizia coroneranno il loro sogno d'amore, trasferiti in una lontana isoletta a sud della Sicilia, ma i corrotti resteranno al loro posto.",
    released: ISODate('1974-11-15T00:00:00.000Z'),
    score: 3.4109344482421875
  },
  {
    plot: `Gerardo è un attore o almeno cerca di esserlo, ma il pubblico non è del suo parere. Cosè, per arrotondare gli introiti, aiuta l'amico Lallo in un suo "lavoretto". Questo gli costa perè la ...`,
    genres: [ 'Comedy' ],
    runtime: 95,
    title: 'Love and Larceny',
    fullplot: `Gerardo è un attore o almeno cerca di esserlo, ma il pubblico non è del suo parere. Cosè, per arrotondare gli introiti, aiuta l'amico Lallo in un suo "lavoretto". Questo gli costa perè la prigione, dove incontra Chinotto e Gloria Patri. Uscito inizia, con l'opposizione di Annalisa che lo vuole sposare, una carriera come truffatore, dapprima in societè con Chinotto e quindi con la bella Elena. Tutto sembra filare a gonfie vele, e le truffe divengono sempre piè grosse e di successo. Ma a volte è destino che il ragno resti preso dalla stessa tela che tesse.`,
    released: ISODate('1960-02-10T00:00:00.000Z'),
    score: 3.3489856719970703
  },
  {
    plot: 'He is a revenge-obssessed stevedore... She is a wealthy, elusive woman. They try hard to get together... or do they?',
    genres: [ 'Drama' ],
    runtime: 137,
    title: 'The Moon in the Gutter',
    fullplot: "Nightly, Gerard broods in an alley hoping to catch his sister's attacker. He lives with his lover Bella whom he neglects, an alcoholic brother who lurks about, and his father who's stayed drunk since the daughter's death, ignoring work and his own companion. At a seedy bar, Gerard meets a wealthy, nihilistic hedonist and his beautiful sister. Gerard flips for her and thinks she's his ticket out of the slum...",
    released: ISODate('1983-05-18T00:00:00.000Z'),
    score: 3.2985665798187256
  },
  {
    plot: 'Dr Tremayne is an enigmatic Psychiatrist running a Futuristic asylum housing four very special cases. Visited by colleague Nicholas, Tremayne explains his amazing and controversial theories...',
    genres: [ 'Horror' ],
    runtime: 90,
    title: 'Tales That Witness Madness',
    fullplot: "Dr Tremayne is an enigmatic Psychiatrist running a Futuristic asylum housing four very special cases. Visited by colleague Nicholas, Tremayne explains his amazing and controversial theories as to why each of the four patients went mad... cue four distinct tales each with a different set of characters: 'Mr Tiger' tells of Paul, the sensitive and troubled young son of prosperous but constantly bickering and unlovely parents, and the boy's 'imaginary' friend, a tiger. 'Penny Farthing' tells of Timothy, an antique store owner propelled backwards in time by a penny-farthing bicycle in his shop, all the while being watched over by the constantly changing photograph of Uncle Albert, which endangers the lives of both Timothy and his beautiful wife, Ann. 'Mel' tells of Brian, a man who brings home an old dead tree and prominently displays it in his living room as a work of art. His fiery wife Bella soon becomes jealous of the tree, which the husband has lovingly named Mel, and it seems to be developing a will of its own. 'Luau' tells of Auriol, a flamboyant and ambitious literary agent who will do anything to impress her sinister new client, though he seems more interested in Auriol's beautiful and precocious young daughter Ginny. Ginny sneaks off on holiday while Auriol plans a sumptuous feast for her client.",
    released: ISODate('1973-10-31T00:00:00.000Z'),
    score: 1.9504895210266113
  }
]

Volver

Keyword

multi