首先安装mmseg4j
官网:https://code.google.com/p/mmseg4j/
下载地址:http://code.google.com/p/mmseg4j/downloads/list
wget
(我用的是mmseg4j-1.9.1.zip)因为我用的solr是4.4的
mmseg4j 1.8.3 只支持 lucene 2.9/3.0 接口 和 solr1.4。其它没改动。
mmseg4j 1.8.5 支持 lucene 3.1, solr3.1。
mmseg4j 1.9.0 支持 lucene 4.0, solr4.0。
我在我的安装目录下建了连个文件夹一个放jar文件,一个放词库文件
上一篇我的solr.home目录是/home/leroy/solrhome/solr
cd /home/leroy/solrhome/solr
sudo mkdir lib
sudo mkdir dic
解压缩文件:unzipmmseg4j-1.9.1.zip
然后把.jar文件移动到建好的lib目录下:
后面再把词库文件*.dic移到dic目录下面,由于1.9.1 dic在mmseg4j-core-1.9.1.jar data目录下,将其解压
然后我们就需要编辑自己的配置文件和表结构文件,首先编辑配置文件:
cd /home/leroy/solrhome/solr/
sudo
然后在标签写入mmseg4j-*-.jar的路径
我尝试了一下这边路径最好写全路径,网上说可以写相对路径但是我写相对路径的时候就会报错
![](https://img-my.csdn.net/uploads/201301/05/1357374119_3182.jpg)
然后开始编辑表结构文件:
在里面相应的标签内加入下面这几段代码:
- <field name="simple" type="textSimple" indexed="true" stored="true"/>
- <field name="complex" type="textComplex" indexed="true" stored="true"/>
- <field name="MaxWord" type="textMaxWord" indexed="true" stored="true"/>
- <copyField source="simple" dest="text" />
- <copyField source="complex" dest="text"/>
- <copyField source="MaxWord" dest="text"/>
MMSeg算法有两种分词方法:Simple和Complex,都是基于正向最大匹配。Complex加了四个规则过虑。
- <fieldType name="textComplex" class="solr.TextField">
- <analyzer>
- <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="/home/leroy/solrhome/solr/dic"/>
- </analyzer>
- </fieldType>
- <fieldType name="textMaxWord" class="solr.TextField">
- <analyzer>
- <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" dicPath="/home/leroy/solrhome/solr/dic"/>
- </analyzer>
- </fieldType>
- <fieldType name="textSimple" class="solr.TextField">
- <analyzer>
- <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="/home/leroy/solrhome/solr/dic"/>
- </analyzer>
- </fieldType>
dicPath的值改成你自己机器上词库相应的目录。(最好使用决定路径)
自定义词库文件名必需是 “words” 为前缀和 “.dic”为后缀。如:/dic/words-my.dic
dicPath指定词库位置(每个MMSegTokenizerFactory可以指定不同的目录,当是相对目录时,是相对 solr.home的目录),mode指定分词模式(simple|complex|max-word,默认是max-word)
在定义field的时候要注意名称不能重复,我在做的时候就犯了这样一个错误:
报错的内容:
到这就安装配置好了,咱们重启下tomcat就可以访问了:
sudo
sudo
http://yourServerIP:8983/solr/#/collection1/analysis
这里直接把mmseg4j/data目录下的所有.dic文件拷贝到$TOMCAT_HOME/solr/dict目录下。共有:4个dic文件,chars.dic、units.dic、words.dic、 words-my.dic。下面简单解释一下这几个文件的作用。
* data/chars.dic是单字与语料中的频率,一般不用改动,1.5版本中已经加到mmseg4j的jar里了,我们不需要关心它,当然你在词库目录放这个文件可能覆盖它。
1.9新出的一个功能,还没用过,就是MMseg4jHandler:
添加 MMseg4jHandler类,可以在solr中用url的方式来控制加载检测词库。参数:
- <requestHandler name="/mmseg4j"class="com.chenlb.mmseg4j.solr.MMseg4jHandler">
- <lst name="defaults">
- <str name="dicPath">dic</str>
- </lst>
- </requestHandler>
此功能可以让外置程序做相关的控制,如:尝试加载词库,然后外置程序决定是否重做索引。
转自:
http://blog.csdn.net/marujunyy/article/details/8466320