SOLR3.x配置mmseg4j分词器

最新推荐文章于 2025-11-24 15:35:09 发布
原创 最新推荐文章于 2025-11-24 15:35:09 发布 · 551 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#solr #mmseg4j #压缩

本文介绍如何在Solr中集成mmseg4j中文分词器，包括下载安装、配置等步骤，并提供了详细的命令示例。


1.下载mmseg4j的压缩包，如果不能翻墙下载，请到百度上搜索下载，以下为google的官网链接：

wget http://mmseg4j.googlecode.com/files/mmseg4j-x.x.x.zip

2.解压包并移动JAR包到指定位置

unzip mmseg4j-x.x.x.zip -d  mmseg4j-x.x.x

将mmseg4j-x.x.x/mmseg4j-all-x.x.x-with-dic.jar复制到solr下的lib目录

3.配置相关文件

将schema.xml文件中所有的
  <tokenizerclass="solr.WhitespaceTokenizerFactory"/>
  和
  <tokenizer class="solr.StandardTokenizerFactory"/>
  替换为
  <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"mode="complex"/>


全文索引----中文分词器mmseg4j
天道酬勤 地道酬善 人道酬诚
05-10 9296
          通常情况下，我们根据整个字段来索引数据，字段最长时，也不过十个字；但是还有一种情况，如果我们索引的是一篇文章呢？这时候如何处理这个字段，分词器很好的解决了这个问题。           solr服务器默认为我们提供了分词组件，但是Apache Solr提供的分词器对中文不太友好，举例如下：           它把整个句子的每个字都给分开了，这样如果索引一篇文章的...
mmseg4j-solr-2.4.0.jar
02-13
值得注意的是，mmseg4j-solr-2.4.0.jar中的mmseg4j-2.4.0子目录包含了mmseg4j的核心组件，包括分词算法的实现和相关的配置文件。开发者可以通过阅读源代码和文档，更深入地了解其工作原理和优化技巧。 总之，mmseg4...
MMSEG 中文分词算法
Hi, Sun
01-04 203
MMSEG 中文分词算法 November 1st, 2009 leeing Leave a comment Go to comments 由于学习需要，我尝试翻译MMSEG算法，目前处于初稿状态，很许多地方的翻译仍不尽准确，在以下几天会加以修改。 算法原文位于：http://technology.chts...
MMSEG ：一个基于最大匹配算法的两种变体的中文单词识别系统
nciaebupt
10-26 2546
发表日期: 1996-04-29 更新日期: 1998-03-06 文档更新: 2000-03-12 许可: 非商业使用情况下免费 Copyright 1996-2006 Chih-Hao Tsai (Email: hao520@yahoo.com) 摘要 中文文本在计算分析中一个问题是中文文本在印刷时缺少单词的边界，由于单词是一个基本的语义单元，因此有必要识别中文文本的单词以让
solr 配置 mmseg4j 分词器
rio的博客
03-08 381
# solr 配置 mmseg4j 分词器 solr6.0.0 mmseg4j-solr-2.4.0.jar mmseg4j-core-1.10.0.jar solr 以 jetty 方式部署 (非tomcat) mmseg4j [GitHub地址](https://github.com/chenlb/mmseg4j-solr) # 将 mmseg4j-solr-2.4.0.jar 和 mmse...
java mmseg4j 使用_mmseg4j分词的使用
weixin_29867607的博客
03-04 573
在应用程序中使用maven坐标：com.chenlb.mmseg4jmmseg4j-core1.10.0默认加载词典的路径代码如下(源码单词拼写有错误，将就着看吧，readonly)：另外，可以建立自己的词库，文件名为words*.dic，并且文件要以UTF-8无BOM格式编码。* 每个分词文件必须以words开头，.dic结尾，如：words-canmou.dic* 每个分词文件大小必须控制在5...
Solr4.8集成mmseg4j中文分词器插件详细指南
weixin_42453228的博客
06-10 1049
mmseg4j分词器采用了基于最大概率和隐马尔科夫模型（Hidden Markov Model, HMM）的分词策略。HMM模型通过统计分析大量已分词的语料库来训练模型，从而能根据上下文推测出最可能的分词结果。mmseg4j不仅能够识别基本词汇，还能处理人名、地名、机构名等未登录词，确保分词的全面性和准确性。其主要算法包括：最短路径算法：通过构造分词图，使用动态规划找出最短路径，实现对词汇的最优分割。最大概率模型：在歧义处理时，选择概率最高的分词方案。正向最大匹配和逆向最大匹配算法。
推荐开源项目：mmseg4j-solr - 精准中文分词解决方案
gitblog_00073的博客
05-23 538
推荐开源项目：mmseg4j-solr - 精准中文分词解决方案 在处理中文文本时，精准的分词是搜索引擎和信息检索系统的基础。mmseg4j-solr 是一个专为 Lucene 或 Solr 设计的高效中文分词组件，它可以无缝集成到你的搜索应用中，提供多模式的分词功能，以满足不同场景的需求。 项目介绍 mmseg4j-solr 是基于 mmseg4j 实现的，这是一个高度优化的中文分词算法库。它为...
solr mmseg4j linux,Solr配置中文分词器mmseg4j详解
weixin_39631316的博客
05-25 148
针对Solr的分词器比较多，其中最常用的的两个是mmseg4j和ik-analyzer,至于他们的区别可以网上查找比较下，这两个分词器都挺好用。我搭建的Solr环境(上一篇 http://www.linuxidc.com/Linux/2015-01/112393.htm)是4.10.3的最新版本，以下将详细说下mmseg4j的配置。1.首先下载对应的jar包。2.将jar包拷贝到服务器solr的l...
Solr配置中文分词器mmseg4j详解
小飞侠的博客
12-16 536
针对solr的分词器比较多，其中最常用的的两个是mmseg4j和ik-analyzer,至于他们的区别可以网上查找比较下，这两个分词器都挺好用。我搭建的solr环境（上一篇）是4.10.3的最新版本，以下将详细说下mmseg4j的配置。 1.首先下载对应的jar包。 版本号一定要对应上否则可能会报错，下载地址为：http://code.google.com/p/mmseg4j/ 但是这
Solr5.x兼容的mmseg4j中文分词包发布
2. **mmseg4j-solr-2.3.0.jar**：这是针对Solr 5.x版本的分词插件，允许用户在Solr环境中进行中文分词。 3. **README.md**：该文件通常包含了软件包的安装指南、配置说明、使用示例和一些可能遇到的问题的解决方案，...
跟益达学Solr5之使用MMSeg4J分词器
08-11
2. **配置Solr**：接下来，你需要在Solr的配置文件（通常是solrconfig.xml）中定义一个新的分析器链，指定使用MMSeg4J分词器。例如： ```xml <tokenizer class="org.apache.lucene.analysis.core....
solr中文分词包mmseg4j-core-1.10.0.jar和mmseg4j-solr-2.3.0.jar
11-21
mmseg4j-solr-2.3.0-with-mmseg4j-core是Solr的中文分词包，该压缩包含有mmseg4j-core-1.10.0.jar和mmseg4j-solr-2.3.0.jar。
solr6配置mmseg4j
10-19
3. **配置solrconfig.xml**：在Solr的配置文件solrconfig.xml中，我们需要添加mmseg4j的分词器。找到`<requestHandler>`或`<searchComponent>`部分，添加类似于以下的配置： ``` <searchComponent name="mmseg" ...
高并发搜索引擎Elasticsearch与Solr在互联网系统优化实践经验分享
2501_94114632的博客
11-24 709
架构与分片策略分片和副本保证高并发读写性能主/数据/协调节点分工明确索引与查询优化映射设计、字段分词、过滤器使用避免深分页，聚合分桶，提高查询效率高并发写入与缓存优化批量写入、异步刷新、幂等设计查询缓存、热点索引优化，提高响应速度监控与工程化闭环集群状态、节点健康、慢查询监控自动化部署、弹性扩容和告警形成持续优化闭环通过合理的搜索引擎集群架构、索引优化、高并发查询与写入优化、缓存策略，以及监控与工程化部署，高并发互联网系统能够实现低延迟、高吞吐、可扩展、稳定可靠，为搜索和数据分析提供坚实保障。
基准测试使用BBO-PSO-GA附Matlab代码.rar
最新发布
12-09
1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
【无人机路径规划】基于冠豪猪优化算法的三维路径规划模型设计：多目标约束下安全高效飞行路径生成方法 项目介绍 Python实现基于冠豪猪优化算法（CPO）进行无人机三维路径规划（含模型描述及部分示例代码
12-09
内容概要：本文介绍了一个基于冠豪猪优化算法（CPO）的无人机三维路径规划项目，利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制，系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径，并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例，包括环境建模、路径评估和CPO优化流程。; 适合人群：具备一定Python编程基础和优化算法基础知识，从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员，尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标：①应用于复杂三维环境下的无人机自主导航与避障；②研究智能优化算法（如CPO）在路径规划中的实际部署与性能优化；③实现多目标（路径最短、能耗最低、安全性最高）耦合条件下的工程化路径求解；④构建可扩展的智能无人系统决策框架。; 阅读建议：建议结合文中模型架构与代码示例进行实践运行，重点关注目标函数设计、CPO算法改进策略与约束处理机制，宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
使用python语言的京东平台抢购脚本
12-09
先看效果： https://pan.quark.cn/s/4f231e33b729 auto-buy-Python-tool 图形界面, 电脑小白也会用, 下载可直接运行! 京东自动购买口罩 实时抢购口罩 工具, 抗击疫情 中国加油! :fire: 点击这里 下载, 解压后可直接运行! 欢迎加星 修复了商品下架后的问题, 更新了交互界面; 修复了可配货商品的判断, 更新了数量调整接口, 更新了是否监控下架商品选项 :star2: 使用指南 :notebookwithdecorative_cover: Tips: 登录一次之后本地会保存登录信息, 重启软件(注意重启之后也行)之后仍然可以记住账号登录信息, 重启之后只需点击"开始监控"就可以登录! 不必重复扫码! 运行界面如下图: interface Update at 2020-3-2: Continuously monitor goods removed from JD.monitorSoldOutGoods Update at 2020-2-15: quantity can be modifiedquantity 填写方式: Tips: 软件启动时带有标准填写格式的默认值, 请留意. 输入商品ID: 比如为: https://item.jd.com/1835967.html 的商品ID为1835967. 输入收件地区编码: 使用Chrome浏览器(如果是其他浏览器请用同样方式打开开发者工具)登录京东并访问商品页, 选择派送地址后按查找开头的讯息, 如下图: AreaID 接受讯息邮箱: 您的接受讯息邮箱. 滑动条: 控制监控时查询的速度(频率). 购买数量: 调整一次购买数量. 是否自动忽略下架商品: 未打...
clustering-results-PathologyGAN.csv
12-09
clustering-results-PathologyGAN.csv
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值