Criando um arquivo de dicionário de sinônimos

Um arquivo de Amazon Kendra dicionário de sinônimos é um arquivo codificado em UTF-8 contendo uma lista de sinônimos no formato de lista de sinônimos Solr. O arquivo .zip deve ter menos de 5 MB.

Há duas maneiras de especificar mapeamentos de sinônimos:

• Os sinônimos bidirecionais são especificados como uma lista de termos separados por vírgulas. Se o usuário consultar qualquer um dos termos, todos os termos da lista serão usados para pesquisar documentos, o que inclui o termo original consultado.

• Sinônimos unidirecionais são especificados como termos separados pelo símbolo “=>” entre eles para mapear termos para seus sinônimos. Se o usuário consultar um termo à esquerda do símbolo “=>”, ele será mapeado para um termo à direita para pesquisar documentos usando o sinônimo. Não é mapeado vice-versa, o que o torna unidirecional.

Os sinônimos em si diferenciam maiúsculas de minúsculas, mas os termos para os quais eles são mapeados não fazem distinção entre maiúsculas e minúsculas. Por exemplo, ML => Machine Learning significa que se so usuário consultar “ML”, “ml” ou usar algum outro caso, ele será mapeado para “Machine Learning”. Se você mapeasse isso vice-versa, Machine Learning => ML, “Machine Learning”, “machine learning” ou algum outro caso seria mapeado para “ML”.

Um sinônimo não busca uma correspondência exata em caracteres especiais. Por exemplo, se você pesquisar por "dead-letter-queue“, Amazon Kendra poderá retornar documentos que correspondam à “fila de letras mortas” (sem hífen). Se seus documentos contiverem hífens, como "dead-letter-queue“, Amazon Kendra processará os documentos durante a pesquisa para remover hífens. Para termos de sinônimos genéricos em inglês que estão incorporados Amazon Kendra e não devem ser incluídos em um arquivo de dicionário de sinônimos, é Amazon Kendra possível pesquisar tanto a versão com hífen do termo quanto a versão sem hífen do termo. Por exemplo, se você pesquisar “terceiros” e “terceiros”, Amazon Kendra retornará documentos que correspondam a qualquer uma das versões desses termos.

Para sinônimos que contêm palavras irrelevantes ou palavras comumente usadas, Amazon Kendra retorna documentos que correspondem a termos, incluindo palavras irrelevantes. Por exemplo, você pode criar uma regra de sinônimo para mapear “integração” e “integração”. Você não pode usar apenas palavras irrelevantes para sinônimos. Por exemplo, se você pesquisar por “ativado”, Amazon Kendra não poderá retornar todos os documentos que contenham “ativado”.

Algumas regras de sinônimos são ignoradas. Por exemplo, a => b é uma regra, mas a => a é ignorada e não conta como regra.

A contagem de termos é o número de termos exclusivos no arquivo de sinônimos. O arquivo de exemplo abaixo inclui termosAWS CodeStar,ML,Machine Learning, autoscaling groupASG, e muito mais.

Há uma quantidade máxima de regras de sinônimos por dicionário de sinônimos e uma quantidade máxima de sinônimos por termo. Para ter mais informações, consulte Cotas para Amazon Kendra.

O exemplo a seguir mostra um arquivo de dicionário de sinônimos com regras de sinônimos. Cada linha contém uma única regra de sinônimo. Linhas em branco e comentários são ignorados.

# Lines starting with pound are comments and blank lines are ignored.

# Synonym relationships can be defined as unidirectional or bidirectional relationships.

# Unidirection relationships are represented by any term sequence 
# on the left hand side (LHS) of "=>" followed by synonyms on the right hand side (RHS)
CodeStar => AWS CodeStar
# This will map CodeStar to AWS CodeStar, but not vice-versa

# To map terms vice versa
ML => Machine Learning
Machine Learning => ML

# Multiple synonym relationships may be defined in one line as well by comma seperation.
autoscaling group, ASG => Auto Scaling group, autoscaling
# The above is equivalent to:
# autoscaling group => Auto Scaling group, autoscaling
# ASG => Auto Scaling group, autoscaling

# Bi-directional synonyms are comma separated terms with no "=>"
DNS, Route53, Route 53
# DNS, Route53, and Route 53 map to one another and are interchangeable at match time
# The above is equivalent to:
# DNS => Route53, Route 53
# Route53 => DNS, Route 53
# Route 53 => DNS, Route53

# Overlapping LHS terms will be merged
Beta => Alpha
Beta => Gamma
Beta, Delta
# is equivalent to:
# Beta => Alpha, Gamma, Delta
# Delta => Beta

# Each line contains a single synonym rule.
# Synonym rule count is the total number of lines defining synonym relationships
# Term count is the total number of unique terms for all rules.  
# Comments and blanks lines do not count.