pg_tokenizer
用于全文检索的分词器
仓库
tensorchord/pg_tokenizer.rs
https://github.com/tensorchord/pg_tokenizer.rs
源码
pg_tokenizer.rs-0.1.1.tar.gz
pg_tokenizer.rs-0.1.1.tar.gz
概览
| 扩展包名 | 版本 | 分类 | 许可证 | 语言 |
|---|---|---|---|---|
pg_tokenizer | 0.1.1 | FTS | Apache-2.0 | Rust |
| ID | 扩展名 | Bin | Lib | Load | Create | Trust | Reloc | 模式 |
|---|---|---|---|---|---|---|---|---|
| 2160 | pg_tokenizer | 否 | 是 | 是 | 是 | 否 | 否 | tokenizer_catalog |
| 相关扩展 | pgroonga pg_jieba pg_cjk_parser zhparser pg_bigm pg_tiktoken pg_tiktoken_c unaccent dict_xsyn dict_int hunspell_cs_cz pg_kazsearch |
|---|
PG18 fix by Vonng.
版本
| 类型 | 仓库 | 版本 | PG 大版本 | 包名 | 依赖 |
|---|---|---|---|---|---|
| EXT | PIGSTY | 0.1.1 | 1817161514 | pg_tokenizer | - |
| RPM | PIGSTY | 0.1.1 | 1817161514 | pg_tokenizer_$v | - |
| DEB | PIGSTY | 0.1.1 | 1817161514 | postgresql-$v-pg-tokenizer | - |
构建
您可以使用 pig build 命令构建 pg_tokenizer 扩展的 RPM / DEB 包:
BASH
安装
您可以直接安装 pg_tokenizer 扩展包的预置二进制包,首先确保 PGDG 和 PIGSTY 仓库已经添加并启用:
BASH
使用 pig 或者是 apt/yum/dnf 安装扩展:
安装
BASH
pig
BASH
dnf
BASH
apt
BASH
预加载配置:
BASH
创建扩展:
SQL
用法
pg_tokenizer 是一个为全文搜索提供分词器的 PostgreSQL 扩展。它设计与 VectorChord-bm25 配合使用,提供原生 BM25 排序索引支持。
快速开始
SQL
分词器模型
pg_tokenizer 支持多种分词器模型,适用于不同语言和场景:
| 模型 | 语言 | 说明 |
|---|---|---|
llmlingua2 | 英语 | 基于 BERT 的 LLMLingua2 分词器 |
jieba | 中文 | 结巴中文分词 |
lindera/ipadic | 日语 | 带 IPADIC 词典的 Lindera 分词器 |
| 自定义模型 | 任意 | 用户训练的领域特定文本模型 |
创建分词器
SQL
文本分词
SQL
文本分析器
pg_tokenizer 还提供文本分析器功能,将分词与额外的文本处理步骤结合。详细的文本分析器用法请参见文本分析器文档。
与 VectorChord-BM25 集成
pg_tokenizer 通常与 VectorChord-BM25 配合使用以获得完整的 BM25 排序支持:
SQL
文档
更多详情请参见完整文档: