改写IKAnalyzer分词器
来源:互联网 发布:知乎内容推送到kindle 编辑:程序博客网 时间:2024/06/04 14:28
ik4solr4.3
solr4.3的ik分词器([https://github.com/lgnlgn/ik4solr4.3] 主要改动不是我完成的,只是指点。使用maven)
支持从solr自己的环境中获取自定义词典(使用solr的ResourceLoader, 只需要把字典文件放到conf目录里)
增加一个定时更新的停用词、同义词工厂类
============我是分割线====以下是详细说明================
- 6.1新增功能说明
- ①、由分级判断改为权重判断,增加了单字权重判断。
- 在org.wltea.analyzer.core包中LexemePath.java:compareTo(LexemePath)函数
- ②、增加了单字字频字典,除去了停止字典(交给stopFilter处理)
- 在org.wltea.analyzer.dic包中Dictionary.java:
- /* 单字带词频词典 */
- private DictCharNode _CharFreqDict;
- 在DictCharNode.java中:
- 用HashMap实现了单字和字频的存储。
- ③、实现solr的接口
- 在org.wltea.analyzer.lucene包中。
- 一、IKHandler.java:用于处理HTTP请求,现只实现主词典的动态请求加载。
- 请求参数:http://xxx/ikupdate?dicpath=dic.txt
- 注意事项:1、多个字典文件以逗号分隔。
- 2、在Zookeeper集群上时,得先上传修改后的字典文件,再更新。
- 使用方法:需在solrconfig.xml中配置
- <requestHandler name="/ikupdate" class="org.wltea.analyzer.lucene.IKHandler">
- <lst name="defaults">
- </lst>
- </requestHandler>
- 可以配置默认参数
- <str name=”dicpath”>dic.txt</str>
- 二、IKTokenizerFactory.java
- IKTokenizer.java:用于生成IK分词器实例对象。
- 注意事项:IK共用一个字典文件,主字典和扩展字典都加载在_MainDict中。
- 使用方法:在schema.xml中,增加dicpath配置项,每次生成对象时,都会加载。
- 字典重建已封装在Dictionary类中,addDic2MainDic()函数
- 三、IKStopFilter.java
- IKStopFilterFactory.java:停止词过滤
- IKSynonymFilterFactory.java:同义词过滤
- 注意事项:1、字典的切换采用solr默认接口实现
- 2、2个过滤器在schema.xml均增加了autoupdate配置项,为true,则 会定时去更新字典文件。
- 使用方法:在schema.xml中,添加自己的过滤器类,增加配置项。
- 四、TimelyThread.java:
- 停止词和同义词更新管理类,如果设置了autoupdate=true,则注册到此管理类中,由管理类定时去触发更新操作。
- 五、schema.xml示例
- < fieldType name="text_cn" class="solr.TextField" positionIncrementGap="100" >
- <analyzer type="index" >
- < tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="true" />
- < filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" />
- < filter class="solr.LowerCaseFilterFactory"/>
- < /analyzer>
- < analyzer type="query">
- <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="true" dicPath="extDic.txt,extDic1.txt"/>
- <filter class="org.wltea.analyzer.lucene.IKStopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" autoupdate="true"/>
- <filter class="org.wltea.analyzer.lucene.IKSynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true" autoupdate="true"/>
- <filter class="solr.LowerCaseFilterFactory"/>
- </analyzer>
- </fieldType>
- 改写IKAnalyzer分词器
- IKanalyzer 分词器(???)
- IKAnalyzer分词器
- IKAnalyzer 中文分词器
- IKAnalyzer 中文分词器
- IKanalyzer中文分词器
- IKAnalyzer 自定义分词器
- Lucene分词器 IKAnalyzer
- IKAnalyzer中文分词器简介
- solr添加IKAnalyzer分词器
- 安装中文分词器 IKAnalyzer
- Solr 添加 IKAnalyzer分词器
- IKAnalyzer分词
- 分享IKAnalyzer 3.0 中文分词器
- 分享IKAnalyzer 3.0 中文分词器
- 中文分词器扩充中文词库IKAnalyzer
- Apache Solr 增加IKAnalyzer分词器
- Lucene的中文分词器IKAnalyzer
- 在一个事务里有多条更新如何从Undo查找前镜像
- Redis的master/slave复制(主从复制)
- adb 常用命令
- toString()以及__toString()
- Ubuntu 12.04 改造指南
- 改写IKAnalyzer分词器
- 11个在线编码大赛
- hadoop部署错误集锦
- php发送get、post请求的几种方法
- android横竖屏切换(复制未整理)
- oracle 导入DMP文件时IMP-00013: 只有 DBA 才能导入由其他 DBA 导出的文件 IMP-00000: 未成功终止导入
- 内存管理篇1
- 关于 Tomcat catalina.out 不断变大的问题
- MARK