为coreseek添加mmseg分词

2019独角兽企业重金招聘Python工程师标准>>>

由于在工作中遇到了林书豪这个词，原来的分词库里面没有就找了下文档，自己整理了一份，以交流备忘。

1.准备好需要添加的词表，一般都是每行一词，注意要保存为utf-8； 
    例如： 
    -- 
    林书豪
    -- 
2.利用UltraEdit的查找替换功能，使词表格式符合mmseg的要求； 
    例如： 
    打开UltraEdit的正则替换功能，将“^p”替换为“^t1^px:1^p” 
    结果是： 
    -- 
    林书豪[tab]1 
    x:1 
    -- 

    其他的也行
3.将生成的符合格式要求的词表粘贴到原词表unigram.txt末尾，保存为unigram_new.txt，并拷贝到mmseg所在的目录下； 

4.生成新的uni

    /usr/local/mmseg3/bin/mmseg -u /usr/local/mmseg3/etc/unigram_new.txt

    就会生成新的词典文件unigram_new.txt.uni 

5.将新的unigram_new.txt.uni 替换原有的uni.lib
    mv /usr/local/mmseg3/etc/unigram_new.txt.uni /usr/local/mmseg3/etc/uni.lib

6.重新建立索引库、重启searchd
     /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/c.conf --all --pidfile --rotate
    关闭searchd
      ps auxww | grep searchd
      kill 923230
    启动searchd
    /usr/local/coreseek/bin/searchd -c /usr/local/coreseek/etc/c.conf --console --pidfile  

    搜索试下就出来了。

注意：需要重启searchd

小弟个人博客http://www.iczerd.com,欢迎交流,友链

转载于:https://my.oschina.net/u/660307/blog/158440