Solr 3.5：配置mmseg4j同义词（已经配置好中文分词）

2019独角兽企业重金招聘Python工程师标准>>>

前提，已经安装配置好Tomcat8与Solr3.5，并且配置好mmseg4j中文分词

1.修改 conf/schema.xml

在fields节点下面的mmseg4j分词器相关配置修改为类似于如下的内容：

    <fieldType name="textComplex" class="solr.TextField" >
       <analyzer type="index">
         <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="dic"/>
          <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
       </analyzer>
       <analyzer type="query">
         <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="dic"/>
          <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
       </analyzer>
    </fieldType>

2.修改solr/home/conf/synonyms.txt

在里面加入你认为中同义词的数据，形如：
手机 => 移动电话
大陆 => 中国
需要将此文件存储为UTF-8格式。如果是用UltraEdit编辑，可以在菜单中选择“文件”-》“转换”-》“ASCII到UTF-8”即可。记事本编辑的话，菜单选择“另存为”，编码类型选择UTF-8即可

3.所有复杂的同义词（就是还不在词库中的词），应该在自定义词典中有设置

如：“移动电话”这个词应该在mmseg4j的自定义词典中已经配置，否则创建索引的时候根本有没有“移动电话”这个词，查询“手机”的时候，是不可能把“移动电话”查询出来的。mmseg4j自定义词典的路径，按前文的设置是在solr/home/dic/words-my.dic文件中
4.同义词只能出现一次

即如果已经配置了“大陆 => 中国”，那么是不能再配置“中国 => 中华人民共和国”这样的词条的，否则后一条将覆盖前一条的信息。
5.重新启动Tomcat

即可以在查询中使用同义词。比如：查询“大陆”，会将“中国”的信息全部显示出来。

【备注】

    Solr4.2.0+Tomcat9+JDK8+mmseg4j1.9.1

    需要拷贝三个jar包

    

转载于:https://my.oschina.net/gibbons/blog/1512168