softwarehe的专栏

1：从http://pinyin.sogou.com/dict/下载选择的细胞词库2：用深蓝词库转换工具提取出txt文本3：用ultraedit将txt文本保存为无bom utf-8格式，dos换行4：在solr的WEB-INF下创建classes目录5：将utf-8格式的txt词库拷贝到solr的WEB-INF/classes目录6：在WEB-INF/classes创建IKA

从https://github.com/mlcsdev/mlcsseg下载版本

当数据规模不算大的时候可以这么做 server = new HttpSolrServer( SOLR_URL ); QueryResponse rsp = server.query( query ); SolrDocumentList docs = rs

SolrServer solrserver = new HttpSolrServer( SOLR_URL ); SolrQuery query = new SolrQuery(); query.setQuery("*:*"); List movielist = new ArrayList(); try { QueryResponse rsp = solrserver

写在这里当备忘 SolrServer server; SolrQuery query = new SolrQuery(); query.setFacet(true); String sDistrict = request.getParameter("district"); String sGenre = request.getParameter("genre");

crfsuitecrfpp可以做不少工作，其中crfsuite可以用来做新词发现等，研究下，crfpp据说太慢了，不爽今天从微博上看到，下面这个更好：http://wapiti.limsi.fr/

http://code.google.com/p/cx-extractor/

原文地址：http://imtinx.iteye.com/blog/1290636谷歌的数学之美系列曾经提到过一种数据结构叫做bloomfilter，翻译成中文就是布隆过滤，文中使用布隆过滤器来过滤黑名单。后来我在毕业设计中也用到了它来过滤重复的URL，避免网络爬虫重复抓取。再后来在单位又一次的用到了bloomfilter来过滤用户的重复访问。随着海量数据时代的到来，布隆过滤器应用的场

对中文资料进行自然语言处理时，我们会遇到很多其他语言不会有的困难，例如分词——汉语的词与词之间没有空格，那计算机怎么才知道“已结婚的和尚未结婚的”究竟是“已／结婚／的／和／尚未／结婚／的”，还是“已／结婚／的／和尚／未／结婚／的”呢？这就是所谓的分词歧义难题。不过，现在很多语言模型都已能比较漂亮地解决这一问题了。但在中文分词领域里，还有一个比分词歧义更令人头疼的东西——未登录词。中文没有首

最近做solr的拼音搜索功能，需要学习solr的源代码，在此记录学习过程，以备将来回顾。一：源代码下载地址在http://archive.apache.org/dist/lucene/solr/3.4.0/，找到src压缩包下载，大小是100M二：开发环境搭建参考：http://www.zwsun.com/solr_in_eclipse_2012_06_10_post，感谢

http://www.pengoworks.com/workshop/jquery/autocomplete.htm

看wiki就能使用：http://wiki.apache.org/solr/ExtendedDisMax使用solrj的时候，按命令行中参数取出来添加就行了，有个注意点，参数中的+号前后要加空格，不然就查询异常了，现在也没搞清为啥，以后有机会搞清

http://wiki.apache.org/solr/DisMaxQParserPlugin多字段搜索，先记录下来，以后有需要的时候看

看看这篇文章的思路http://zha-zi.iteye.com/blog/993088

http://www.nonb.cn/blog/solr-spell-check.html这个能纠错拼音的，比较厉害，不过如何写这些文件很头痛啊！

http://ericbao.i.sohu.com/blog/view/200758402.htm这篇文章的价值是讲了三种类型的拼写检查器如何一起使用

http://www.cnblogs.com/ibook360/archive/2011/11/21/2257200.html补充上面文章，几个注意点：1：true ，这个是关键点，没这个就不能check2：修改solrconfig.xml后必须重启tomcat，不然修改不能生效3：tomcat的字符集必须改为utf-8，这个不要忽略了

http://www.nlpcn.org/docs/7/d378e24e-e06d-42d7-b306-7de2d91eb06e