拆分文档以使查询结果更简洁

拆分文档，以便搜索功能可以查找要在查询结果中返回的更简明的信息。

有关拆分文档的优点的更多信息，请阅读 Medium.com上的 使用 IBM Watson Discovery的新文档分段功能 博客帖子。

只能拆分应用了用户训练的“智能文档理解”模型的文档。

当您拆分文档时，原始文档将细分为细分市场。 每个分段都包含一组更统一的信息。 通过将文档中的内容拆分为分段组，可以在更精细的级别对数据进行增补和建立索引。

要控制文档的拆分方式，请指定要用作分页标记的字段 (例如 subtitle 或 question)。 分页符选项将使用在将用户训练的智能文档理解 (SDU) 模型应用于文档时创建的字段进行填充。 有关更多信息，请参阅 使用智能文档理解。 无法使用预先训练的“智能文档理解”模型生成的字段来拆分文档。

在重新处理文档时，将从头到尾对其进行求值。 每当出现分页标记字段时，就会拆分原始文档并创建新的分段。 分割在每个标记字段处继续，直到原始文档被分割成多个段。

开始之前，请确定要用作分页标记的字段。

• 您可以使用缺省情况下已建立索引的任何字段。 要查看您的选择，请检查 要建立索引的字段 列表。 具有 Type 值的字段存储在索引中。
• 每个文档的分段数限制为 1,000。 创建段号 999 后，任何剩余文档内容都将存储在段 1,000 中。
• 将抽取 PDF 和 Microsoft Word 文档中的元数据以及任何定制元数据，并将其包含在每个分段的索引中。

请注意包含重复部分的文档，例如具有每个产品条目的描述和规范部分的目录。 如果以太精细的级别拆分文档，那么可以将子部分 (例如具有规范详细信息的部分) 与其所属的产品解除关联。

要拆分集合中的文档，请完成以下步骤:

1. 从导航面板中单击 管理集合，然后单击以打开集合。

2. 打开“管理字段”页面。

   已识别字段的列表将显示。

3. 从 “通过拆分文档来优化查询结果”部分，点击 “拆分文档”。

4. 从 选择字段 下拉列表中选择要用作分页标记的字段。

   您可以从中选择的列表包含所有已识别字段的子集。

5. 单击应用更改并重新处理。

您可以从“活动”页面检查分割过程的状态。

元数据字段包含父文档标识。 原始文档的每个生成段都可以包含不同的信息。 例如，如果根据子标题字段拆分文档，那么第一个分段可能仅包含标题字段。 下一个段可能包含子标题和文本字段。 第三个可能包含子标题字段，文本字段和页脚字段。