solr mmseg4j linux,solr4.5安装配置 linux+tomcat6.0+mmseg4j-1.9.1分词

本文详细指导了如何在JDK1.6和Tomcat6环境中安装Solr 4.5.0,包括solr.war部署、示例文件夹配置、Solr_home设置,以及MMSEG4J的集成过程,包括分词器的配置和词库管理。适合初学者快速上手。

首先先介绍下solr的安装配置

(我这用的solr-4.5.0)

运行环境

JDK 1.5或更高版本 下载地址(Solr 4以上版本,要求JDK1.6)  我用的JDK1.6 )

一个java servlet容器,如Tomcat 下载地址 (我用的Tomcat 6,注:JDK1.7 跟Tomcat 7貌似有兼容性问题,记于 2013.12.12)

分词mmseg4j 下载地址 (我用的1.9)

为防止大家各种目录搞混,安装前先告诉大家我自己所创建使用的目录

整个运行环境我创建了四个目录,分别用于

1、solr源码保存,位于/down/solr

2、solr web运行环境,位于/usr/local/tomcat/webapps

3、solr 实例运行环境,位于/usr/local/solr

4、jdk,位于/usr/java/jdk1.6.0_13

接下来的各种配置,将以此目录进行说明。

安装步骤(这里以jdk1.6 tomcat6.0 为例,他们的安装方式不属于此文的讲解范围)

停止的servlet容器

从下载的solr包中复制solr.war到你的servlet容器的webapps目录

cp /down/solr/example/webapps/solr.war /usr/local/tomcat/webapps/solr

从下载的solr包中复制示例Solr的文件夹到您的solr实例环境。

cp /down/solr/example/solr /usr/local/solr

打开 etv/profile 文件,添加如下配置,请修改为你的jdk安装目录:

fb8048b92084d92c1d3bc9b22473e185.png

export JAVA_HOME=/usr/java/jdk1.6.0_13

export JAVA_BIN=/usr/java/jdk1.6.0_13/bin

export PATH=$PATH:$JAVA_HOME/bin

export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

export JAVA_HOME JAVA_BIN PATH CLASSPATH

fb8048b92084d92c1d3bc9b22473e185.png

设置你的solr_home目录,也就是前面所述“solr 实例运行环境"所在目录  /usr/local/solr,打开以下文件,修改solr_home目录

vi /usr/local/tomcat/webapps/solr/WEB-INF/web.xml

找到如下配置,取消注释,修改value为 /usr/local/solr

solr/home

/usr/local/solr/

java.lang.String

另外还有一处要修改,但本人第一次配置solr的时候没改此处一样能运行,后面不知道那个环节路径错了,导致无法运行,也没去深究,修改以下配置就能运行

打开下面文件

vi /usr/local/solr/collection1/conf/solrconfig.xml

修改此处路径为绝对路径

启动Servlet容器。

servlet容器可能已经开始的端口不是8080其他在...检查servlet容器的文档,如果你不知道这是什么。

如果已经在该端口上运行一个servlet容器,你可能无法启动。关闭另外一个或更改你是在运行的端口。

有关使用一个以上的索引,或者Solr中的多于一个实例的工作信息,请参阅MultipleIndexes。

以上步骤,配置完毕,并验证成功后,继续来配置mmseg4j分词  下载地址

首先,在你创建的solr实例目录下,新建lib,dic两个文件夹,一个用于存放jar文件(lib),一个用于存放词库(dic)

cd /usr/local/solr mkdir lib mkdir dic

解压你下载的mmseg4j,将mmseg4j/dist目录下的jar文件拷贝至刚新建的lib文件夹,将mmseg4j/data目录下的文件拷贝纸刚新建的dic文件夹

打开 /usr/local/solr/collection1/conf/solrconfig.xml文件,添加配置

打开 /usr/local/solr/collection1/conf/schema.xml文件,分别在相应位置添加如下配置。

OK,到此为止词库已经配置成功,重启tomcat打开

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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