当前位置: 首页 > solr, 搜索 > 正文

Solr4.0配置mmseg4j同义词

1 星2 星3 星4 星5 星 (3 次投票, 评分: 4.67, 总分: 5)
Loading ... Loading ...
baidu_share

前提,已经安装配置好Tomcat7与Solr4,并且配置好mmseg4j中文分词.
1.修改$SOLR_HOME/collection1/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:

1
2
3
4
5
6
7
8
9
10
<fieldType name="textSimple" class="solr.TextField" >
   <analyzer type="index">
     <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="C:/solr/collection1/conf/mm4jdic"/>
      <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
   </analyzer>
   <analyzer type="query">
     <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="C:/solr/collection1/conf/mm4jdic"/>
      <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
   </analyzer>
  </fieldType>

2.修改$SOLR_HOME/collection1/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/collection1/conf/mm4jdic/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。

本文固定链接: http://www.chepoo.com/solr4-0-conifg-mmseg4j.html | IT技术精华网

Solr4.0配置mmseg4j同义词:等您坐沙发呢!

发表评论