6.6.5 Unique

"white fox, white rabbit, white bear" 같은 문장을 분석하면 "white" 텀은 총 3번 저장이 됩니다. 역 색인에는 텀이 1개만 있어도 텀을 포함하는 도큐먼트를 가져올 수 있기 때문에 중복되는 텀 들은 삭제 해 주어도 검색에는 보통 무방합니다. 이 경우 unique 토큰 필터를 사용해서 중복되는 텀 들은 하나만 저장하도록 할 수 있습니다.

다음은 "white fox, white rabbit, white bear" 문장을 unique 토큰 필터를 적용하지 않은 경우와 적용한 경우를 비교 한 예제입니다.

일반적인 "white fox, white rabbit, white bear" 문장 분석

GET _analyze
{
  "tokenizer": "standard",
  "filter": [
    "lowercase"
  ],
  "text": [
    "white fox, white rabbit, white bear"
  ]
}

일반적인 "white fox, white rabbit, white bear" 문장 분석 결과

{
  "tokens" : [
    {
      "token" : "white",
      "start_offset" : 0,
      "end_offset" : 5,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "fox",
      "start_offset" : 6,
      "end_offset" : 9,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "white",
      "start_offset" : 11,
      "end_offset" : 16,
      "type" : "<ALPHANUM>",
      "position" : 2
    },
    {
      "token" : "rabbit",
      "start_offset" : 17,
      "end_offset" : 23,
      "type" : "<ALPHANUM>",
      "position" : 3
    },
    {
      "token" : "white",
      "start_offset" : 25,
      "end_offset" : 30,
      "type" : "<ALPHANUM>",
      "position" : 4
    },
    {
      "token" : "bear",
      "start_offset" : 31,
      "end_offset" : 35,
      "type" : "<ALPHANUM>",
      "position" : 5
    }
  ]
}

unique 토크나이저로 "white fox, white rabbit, white bear" 문장 분석

GET _analyze
{
  "tokenizer": "standard",
  "filter": [
    "lowercase",
    "unique"
  ],
  "text": [
    "white fox, white rabbit, white bear"
  ]
}

unique 토크나이저로 "white fox, white rabbit, white bear" 문장 분석 결과

{
  "tokens" : [
    {
      "token" : "white",
      "start_offset" : 0,
      "end_offset" : 5,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "fox",
      "start_offset" : 6,
      "end_offset" : 9,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "rabbit",
      "start_offset" : 17,
      "end_offset" : 23,
      "type" : "<ALPHANUM>",
      "position" : 2
    },
    {
      "token" : "bear",
      "start_offset" : 31,
      "end_offset" : 35,
      "type" : "<ALPHANUM>",
      "position" : 3
    }
  ]
}

"unique" 토큰 필터를 적용하면 "white" 텀이 하나만 저장된 것을 확인할 수 있습니다.

match 쿼리를 사용해서 검색하는 경우 unique 토큰 필터를 적용한 필드는 텀의 개수가 1개로 되기 때문에 TF(Term Frequency) 값이 줄어들어 스코어 점수가 달라질 수 있습니다. match 쿼리를 이용해 정확도(relevancy) 를 따져야 하는 검색의 경우에는 unique 토큰 필터는 사용하지 않는 것이 바람직합니다.

Previous6.6.4 NGram, Edge NGram, Shingle Next6.7 형태소 분석 - Stemming

Last updated 5 years ago

Was this helpful?

{ "tokens" : [ { "token" : "white", "start_offset" : 0, "end_offset" : 5, "type" : "<ALPHANUM>", "position" : 0 }, { "token" : "fox", "start_offset" : 6, "end_offset" : 9, "type" : "<ALPHANUM>", "position" : 1 }, { "token" : "white", "start_offset" : 11, "end_offset" : 16, "type" : "<ALPHANUM>", "position" : 2 }, { "token" : "rabbit", "start_offset" : 17, "end_offset" : 23, "type" : "<ALPHANUM>", "position" : 3 }, { "token" : "white", "start_offset" : 25, "end_offset" : 30, "type" : "<ALPHANUM>", "position" : 4 }, { "token" : "bear", "start_offset" : 31, "end_offset" : 35, "type" : "<ALPHANUM>", "position" : 5 } ] }

{ "tokens" : [ { "token" : "white", "start_offset" : 0, "end_offset" : 5, "type" : "<ALPHANUM>", "position" : 0 }, { "token" : "fox", "start_offset" : 6, "end_offset" : 9, "type" : "<ALPHANUM>", "position" : 1 }, { "token" : "rabbit", "start_offset" : 17, "end_offset" : 23, "type" : "<ALPHANUM>", "position" : 2 }, { "token" : "bear", "start_offset" : 31, "end_offset" : 35, "type" : "<ALPHANUM>", "position" : 3 } ] }