es的自定义词典和停用词

在 Elasticsearch 中，自定义词典是优化分词效果的核心手段，尤其适用于中文或专业领域的文本处理。以下是关于 ES 自定义词典的完整指南：

1. 为什么需要自定义词典？
   默认分词不足：
   ES 自带的分词器（如 Standard Analyzer）对中文处理效果差（按字拆分），IK 分词器虽支持中文，但默认词库可能缺少特定领域词汇（如 “大模型”“元宇宙”）。
   业务需求：
   确保专业术语不被拆分（如 “机器学习” 不应拆分为 “机器”“学习”）；
   识别品牌名、人名、地名等专有名词；
   处理网络热词或缩写（如 “yyds”“内卷”）。
2. 如何配置自定义词典？
   以 IK 分词器为例，步骤如下：
   步骤 1：创建词典文件
   在 ES 安装目录下的 plugins/ik/config 目录中创建自定义词典文件（如 custom/mydict.dic）：
   步骤 2：修改配置文件
   编辑 plugins/ik/config/IKAnalyzer.cfg.xml，添加自定义词典路径：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">custom/mydic.dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords">custom/stopwords.dic</entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</entry> --