本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

為 Amazon 配置文本分析方案 CloudSearch

Amazon CloudSearch 可讓您為每個text和text-array欄位設定特定語言的分析方案。分析方案控制著編製索引期間處理該兩類欄位內容的方式。儘管各種語言預設的處理方式在多數情況下效果良好，微調分析選項將讓您能夠憑藉自身對所欲搜尋資料的認識，獲得最佳的搜尋結果。如需支援的語言清單，請參閱支援的語言。

分析方案指定其所處理文字的語言和以下幾個分析選項：

在處理文字的過程中，欄位值和搜尋詞彙將轉換成小寫 (大小寫疊交)，所以停用詞、相關字詞和同義詞不區分大小寫。如需 Amazon CloudSearch 如何在索引期間和處理搜尋請求時處理文字的詳細資訊，請參閱Amazon CloudSearch 的文字處理。

您必須為每個分析方案指定一種語言，並且為各個 text 和 text-array 欄位設定其分析方案。當您透過 Amazon CloudSearch 主控台設定欄位時，分析配置預設為_en_default_分析配置。如果您沒有為分析配置指定分析選項，Amazon CloudSearch 會使用指定語言的預設選項。如需各種語言預設情況的相關資訊，請參閱語言特殊性設定。

定義分析配置的最簡單方法是透過 Amazon CloudSearch 主控台中的「分析配置」頁面。分析方案必須套用於欄位後始能生效。您可以從 Indexing Options (索引選項) 頁面將分析方案套用於所需欄位。您亦可透過命令列工具及 AWS 開發套件定義分析方案，為各個欄位設定其分析方案。

將新的分析方案套用於索引欄位或修改使用中的分析方案之後，您必須明確rebuild the index以使搜尋結果能反映各項變更。

源自 Amazon CloudSearch

相關字詞功能是將相關單詞對應到常用詞幹的程序。詞幹通常是各種變體自其衍生而來的某個字根或基本單詞。例如，run 是 running 和 ran 的詞幹。相關字詞功能將於編製索引以及查詢期間執行。相關字詞功能非但減少了納入索引的詞彙數目，當搜尋詞彙是搜尋的內容中某個出現字詞的變體時亦有助於交互比對。例如，若您將 running 一詞對應到詞幹 run 然後搜尋 running，請求便會比對既包含 run 也包含 running 的文件。

Amazon 同時 CloudSearch 支援演算法詞幹和明確詞幹字典。設定演算法相關字詞功能的方式，即是指定您想要使用相關字詞功能的程度。演算法相關字詞功能可用程度因語言而異：

除了控制演算法相關字詞功能的執行程度，您還可以指定相關字詞功能字典，將特定的相關單詞對應到常用詞幹。此字典是指定成包含一組「字串:值」配對的 JSON 物件，其中各配對分別對應某一字詞及其詞幹，例如 {"term1": "stem1", "term2": "stem2", "term3": "stem3"}。系統會套用任何演算法相關字詞功能外加相關字詞功能字典。這讓您能夠覆寫演算法相關字詞功能的結果，以便修正特定詞幹過多或不足的情況。相關字詞功能字典的大小上限為 500 KB。相關字詞功能字典項目必須為小寫。

您要在分析方案中使用 StemmingDictionary 索引鍵定義自訂相關字詞功能字典。因為您將字典 CloudSearch 作為字符串傳遞給 Amazon，因此必須轉義字符串中的所有雙引號。例如，以下分析方案定義了 running 和 jumping 的詞幹：

{
    "AnalysisSchemeName": "myscheme",
    "AnalysisSchemeLanguage": "en",
    "AnalysisOptions": {
        "AlgorithmicStemming": "light",
        "StemmingDictionary": "{\"running\": \"run\",\"jumping\": \"jump\"}"
    }
} 

如果您未在分析配置中指定演算法詞幹等級或詞幹字典，Amazon CloudSearch 會使用指定語言的預設演算法字幹層級。儘管相關字詞功能有助於使用者找到可能被排除在搜尋結果之外的相關文件，詞幹過多卻難免導致出現太多相關性存疑的相符項目。針對各種語言所設定的演算法相關字詞功能預設程度均適用於大部分的使用案例。一般而言，起初最好先使用預設值，然後再根據您的使用案例進行調整以最佳化搜尋結果的相關性。如需各種語言預設情況的相關資訊，請參閱語言特殊性設定。

Amazon 的停用詞 CloudSearch

停用詞是指無論在編製索引或搜尋期間通常均應予忽略的單詞，因為這些單詞無關緊要或過於常見，將其納入反而會導致出現大量的相符項目。

在編製索引期間，Amazon 在處理text和text-array欄位時 CloudSearch 會使用停用字詞字典。大多數情況下，停用詞一概不會納入索引。停用詞字典亦將用於篩選搜尋請求。

停用詞字典是由字詞構成的 JSON 陣列，例如 ["a", "an", "the", "of"]。停用詞字典必須明確列出欲忽略的每個單詞。不支援萬用字元和正規運算式。

您要在分析方案中使用 Stopwords 索引鍵定義自訂停用詞字典。因為您將字典 CloudSearch 作為字符串傳遞給 Amazon，因此必須轉義字符串中的所有雙引號。例如，以下分析方案設定了三個停用詞 a、an 和 the：

{
    "AnalysisSchemeName": "myscheme",
    "AnalysisSchemeLanguage": "en",
    "AnalysisOptions": {
        "Stopwords": "[\"a\",\"an\",\"the\"]"
    }
} 

如果您未在分析配置中指定停用字詞字典，Amazon CloudSearch 會使用指定語言的預設停用字詞字典。針對各種語言所設定的預設停用詞均適用於大部分的使用案例。一般而言，起初最好先使用預設值，然後再根據您的使用案例進行調整以最佳化搜尋結果的相關性。如需各種語言預設情況的相關資訊，請參閱語言特殊性設定。

Amazon 的同義詞 CloudSearch

您可就所搜尋的資料中呈現的詞彙設定同義詞。如此一來，使用者若搜尋同義詞而非已編製索引的詞彙，結果亦將包括已編製索引的詞彙列於其中的文件。例如，您可以定義自訂同義詞進行下列事項：

定義同義詞之後，該同義詞會加入到其基本字符出現的各處索引位置。例如，若您定義 fish 做為 barracuda 的同義詞，則 fish 一詞將會加入到包含 barracuda 一詞的每份文件中。加入大量的同義詞會增加索引的大小以及查詢延遲 - 同義詞導致相符項目數增加，而相符項目數愈多，處理結果所需的時間就愈久。

同義詞字典是在編製索引期間用於為文字欄位內出現的詞彙設定各項對應。系統不會對搜尋請求進行同義詞方面的處理。默認情況下，Amazon CloudSearch 不定義任何同義詞。

您可透過兩種方式指定同義詞：

同義詞字典是指定成 JSON 物件，以定義同義詞群組和別名。其 groups 值是由陣列構成的陣列，當中每個子陣列都是一個異文合併群組。aliases 值是包含一組「字串:值」配對的物件，其中的字串指定某個字詞，而值的陣列則指定該字詞的每個同義詞。以下範例同時包括異文合併群組和別名：

{
    "groups": [["1st", "first", "one"], ["2nd", "second", "two"]],
    "aliases": { "youth": ["child", "kid", "boy", "girl"], 
                 "adult": ["men", "women"] }
}

群組及別名均支援多個單詞的同義詞。在以下範例中，異文合併群組和別名都使用了多個單詞的同義詞：

{
    "groups": [["tool box", "toolbox"], ["band saw", "bandsaw"]],
    "aliases": { "workbench": ["work bench"]}
}

您要在分析方案中使用 Synonyms 索引鍵定義自訂同義詞字典。因為您將字典 CloudSearch 作為字符串傳遞給 Amazon，因此必須轉義字符串中的所有雙引號。例如，以下分析方案設定了 youth 一詞的別名：

{
    "AnalysisSchemeName": "myscheme",
    "AnalysisSchemeLanguage": "en",
    "AnalysisOptions": {
        "Synonyms": "{\"aliases\": {\"youth\": [\"child\",\"kid\"]}}"
    }
}

使用 Amazon CloudSearch 主控台設定分析配置

您可以從 Amazon CloudSearch 主控台的「分析配置」窗格定義分析方案。

使用 AWS CLI​ 設定分析方案

您可以使用指aws cloudsearch define-analysis-scheme令來定義特定語言的文字處理選項，包括字幹選項、停用字詞和同義字。如需有關安裝與設定 AWS CLI 的資訊，請參閱 AWS Command Line Interface 使用者指南。

分析方案要指定成各個 text 或 text-array 欄位組態的一部分。如需詳細資訊，請參閱 configure indexing options。

使用 AWS 開發套件設定分析方案

AWS 開發套件 (Android 和 iOS 開發套件除外) 支援 Amazon CloudSearch 設定 API 中定義的所有 Amazon CloudSearch 動作，包括。DefineAnalysisScheme如需安裝與使用 AWS 開發套件的詳細資訊，請參閱 AWS 軟體開發套件。

在 Amazon 為中文、日文和韓文的比文編制索引 CloudSearch

中文、日文和韓文沒有明確的字詞邊界，若純粹對個別字元編製索引 (一元語法) 可能會比對出與搜尋查詢不太相關的項目。一種解決方案即是採「二元語法」編製索引。二元語法是指字串中每兩個相鄰字元的序列。例如，以下範例顯示字串​ 我的氣墊船裝滿了鱔魚的二元語法：

我的  的氣  氣墊  墊船  船裝  裝滿  滿了  了鱔  鱔魚

儘管採二元語法編製索引可提升搜尋結果品質，但請切記其可能會導致您的索引大小明顯增加。

當您指派設定欄位語言的分析方案時mul，Amazon 會 CloudSearch 自動為欄位內的所有中文、日文和韓文文字產生二等圖。

如需如何建立與使用分析方案的詳細資訊，請參閱設定分析方案。

若是您對日文內容編製索引，可能還會想要搭配標準日文處理器使用自訂字符化字典。如需詳細資訊，請參閱 自訂日文字符化。

在 Amazon 中自定義日語標記化 CloudSearch

如果您需要更多地控制 Amazon 代碼 CloudSearch 化日文的方式，可以將自訂日文標記化字典新增至您的分析配置。設定自訂字符化字典讓您能夠覆寫標準日文處理器將特定項目字符化的方式。這在某些情況下可以提高搜尋結果的準確性，特別是當您需要對網域專屬片語編製索引和擷取的情況。

標記化字典是條目的集合，其中每個條目指定一組字符，字符應該如何被標記化，每個令牌應該如何發音（讀數）和一個標籤。 part-of-speech 此字典是指定成陣列，而每個字典項目皆為字串陣列。各項目的格式如下：

["<text>","<token 1> ... <token n>","<reading 1> ... <reading n>","<part-of-speech tag>"]

您必須為每個 Token 和項目的 part-of-speech 標籤指定讀取。請參閱日文詞類標籤以了解哪些詞類標籤視同停用詞。

您要在分析方案中使用 JapaneseTokenizationDictionary 索引鍵定義自訂字符化字典。因為您將標記化字典 CloudSearch 作為字符串傳遞給 Amazon，因此必須轉義字符串中的所有雙引號。例如，以下分析方案中的字典指定分段覆寫漢字與片假名複合詞，外加適當人名的自訂讀音：

{       
    "AnalysisSchemeName": "jascheme",
    "AnalysisSchemeLanguage": "ja",
    "AnalysisOptions": {
        "Stopwords": "[\"a\", \"the\"]",
        "AlgorithmicStemming": "full",
        "JapaneseTokenizationDictionary": "[ [\"日本経済新聞\",\"日本 経済 新聞\",\"ニホン ケイザイ シンブン\",\"カスタム名詞\"],[\"トートバッグ\",\"トート バッグ\",\"トート バッグ\",\"かずカナ名詞\"],[\"朝青龍\",\"朝青龍\",\"アサショウリュウ\",\"カスタム人名\"] ]"
    }
}

使用 AWS CLI 設定分析方案時，您可以將分析方案存放於文字檔案，並指定該檔案做為 --analysis-scheme 值。這讓您能夠將方案編寫成更方便閱讀的格式。例如，若您將 jascheme 分析方案儲存為 jascheme.txt 檔案，即可於呼叫 aws cloudsearch define-analysis-scheme 時傳遞該檔案：

aws cloudsearch define-analysis-scheme --region us-east-1 --domain-name
mydomain --analysis-scheme file://jascheme.txt

如需如何建立與使用分析方案的詳細資訊，請參閱設定分析方案。

Amazon 的日語部分演講標籤 CloudSearch

當您對日文使用自訂標記化字典時，您可以為每個項目指定一個 part-of-speech 標籤。如果 part-of-speech 標籤符合其中一個設定為停止標記的標籤，則會將該項目視為停用字詞。

下表顯示了在 Amazon 中配置為停止標記的語音標籤的一部分 CloudSearch。