转载

在Solr中配置和使用ansj分词

一、下载或者编译ansj-seg和nlp-lang等jar包。

1、您可以到 http://maven.ansj.org/org/ansj/ansj_seg/  | http://maven.ansj.org/org/nlpcn/ 中下载相关jar包。

ansj-seg相关jar包,如下图所示:

在Solr中配置和使用ansj分词

在Solr中配置和使用ansj分词

nlp-lang 是ansj-seg分词中关于自然语言处理相关工具类,功能比较强大:

在Solr中配置和使用ansj分词

在Solr中配置和使用ansj分词

2、下载相关源码,自己编译。

这种是相对复杂的,但是如果长久使用,这种是很有必要的。对于这种优秀的分词,我们更有必要好好研究一番。

github地址:https://github.com/NLPchina/ansj_seg

git客户端地址:http://git-scm.com/download/

git下载源码命令:git clone  https://github.com/NLPchina/ansj_seg.git

下载后的文件结构如下:

在Solr中配置和使用ansj分词

可见代码是用maven组中管理的。对于maven的安装配置本文旧粗略带过,主要包括:

下载maven相关包,解压:

在Solr中配置和使用ansj分词

配置环境变量M2_HOME:C:/apache-maven-3.2.1

配置PATHb环境变量:%M2_HOME%/bin;

mvn常有命令:mvn clean install#清理本地缓存、下载依赖jar包 可以添加-DskipTests=true忽略单元测试;mvn eclipse:clean #清理mvn生成的eclipse工程;mvn eclipse:eclipse #根据pom.xml生成eclipse工程。

步骤:

在源码根路径下执行: mvn clean install -DskipTests=true  命令,在target目录下生成jar包。

在Solr中配置和使用ansj分词

target目录:

在Solr中配置和使用ansj分词

同义的道理,可以编译nlp-lang jar包,地址:https://github.com/NLPchina/nlp-lang

二、在solr schema.xml中配置好ansj字段类型。

1、创建ansj类型。

找到schema.xml,添加ansj类型text_ansj:

<!--ansj start -->  <fieldType name="text_ansj" class="solr.TextField" positionIncrementGap="100">  <analyzer type="index">    <tokenizer class="org.ansj.solr.AnsjTokenizerFactory"  isQuery="false"/>  </analyzer>  <analyzer type="query">   <tokenizer class="org.ansj.solr.AnsjTokenizerFactory"/>  </analyzer> </fieldType>  <!--ansj end --> 

org.ansj.solr.AnsjTokenizerFactory 是我们编译的ansj-lucene插件。

2、配置需要索引的字段。

<!-- ansj_test field -->    <field name="POI_OID" type="string" indexed="false" stored="true"/>    <field name="POI_NAME" type="text_ansj" indexed="true" stored="false"/>    <field name="POI_NAME_SUGGEST" type="string" indexed="false" stored="true"/>    <field name="POI_ADDRESS" type="text_ansj" indexed="true" stored="false"/>    <field name="POI_ADDRESS_SUGGEST" type="string" indexed="false" stored="true"/>    <field name="POI_PHONE" type="string" indexed="true" stored="true"/>    <field name="POI_TYPE" type="string" indexed="true" stored="true" multiValued="true"/>    <field name="POI_URL" type="string" indexed="false" stored="true"/>    <field name="POI_DIANPING" type="string" indexed="true" stored="true" />    <field name="POI_BRAND" type="string" indexed="true" stored="true"/>    <field name="POI_CITY" type="string" indexed="true" stored="true" multiValued="true"/>    <field name="POI_TAG" type="text_ansj" indexed="true" stored="true"/>    <field name="POI_LAT" type="double" indexed="false" stored="true"/>    <field name="POI_LON" type="double" indexed="false" stored="true"/>    <field name="POI_DATA_TYPE" type="string" indexed="true" stored="false"/>

三、在solr环境中配置好ansj。

在编译好的ansj-seg、nlp-lang、ansj_lucene4_plug 放到solr war包的lib下。

在Solr中配置和使用ansj分词

在Solr中配置和使用ansj分词

配置ansj相关词库和配置文件,这些配置文件在ansj源码目录下:

在Solr中配置和使用ansj分词

把这三个配置文件放到solr程序WEB-INF/classes目录下,classes目录不存在则手动创建。

在Solr中配置和使用ansj分词

四、测试ansj分词效果。

ansj配置好了以后,把solr所在的tomcat启动一下。用solr管理页面查看效果:

1、测试分词 "南京市长江大桥”

在Solr中配置和使用ansj分词

备注:在文本框中输入“南京市长江大桥” 点击右边蓝色的按钮“

文章转载,请注明出处:http://www.cnblogs.com/likehua/p/4481219.html

正文到此结束
Loading...