7.8.18. TokenUnigram¶
7.8.18.1. 概要¶
TokenUnigram は TokenBigram と似ています。違いはトークンの単位です。
7.8.18.3. 使い方¶
ノーマライザーを使っている場合は TokenUnigram はASCIIの文字には空白区切りのようなトークナイズ方法を使います。非ASCII文字にはユニグラムのトークナイズ方法を使います。
TokenUnigram が非ASCII文字をトークナイズすると、以下の例のように TokenUnigram は各トークンが1文字となります。
実行例:
tokenize TokenUnigram "日本語の勉強" NormalizerAuto
# [
#   [
#     0,
#     1546584495.218799,
#     0.0002140998840332031
#   ],
#   [
#     {
#       "value": "日",
#       "position": 0,
#       "force_prefix": false,
#       "force_prefix_search": false
#     },
#     {
#       "value": "本",
#       "position": 1,
#       "force_prefix": false,
#       "force_prefix_search": false
#     },
#     {
#       "value": "語",
#       "position": 2,
#       "force_prefix": false,
#       "force_prefix_search": false
#     },
#     {
#       "value": "の",
#       "position": 3,
#       "force_prefix": false,
#       "force_prefix_search": false
#     },
#     {
#       "value": "勉",
#       "position": 4,
#       "force_prefix": false,
#       "force_prefix_search": false
#     },
#     {
#       "value": "強",
#       "position": 5,
#       "force_prefix": false,
#       "force_prefix_search": false
#     }
#   ]
# ]