去年3月份，写了一个平衡的三叉树算法包，还写了一个基于逆向最大匹配算法的中文分词算法包。现在，将平衡的三叉树算法包上传。首先看一下包结构： 1.chinese.utility.cfg代码： package chinese.utility.cfg;/** * 获得主词典、量词词典以及扩展词典和扩展停词 ...
分类：
其他好文 时间：
2017-02-04 22:09:42
阅读次数：
328
library(jiebaRD)library(jiebaR) ##调入分词的库cutter <- worker()mydata =read.csv(file.choose(),fileEncoding = 'UTF-8',stringsAsFactors = FALSE,header=FALSE) ...
分类：
其他好文 时间：
2017-01-24 14:44:56
阅读次数：
329
转自：http://blog.codeg.cn/2016/02/02/wukong-source-code-reading/ 索引过程分析 下面我们来分析索引过程。 这里需要注意的是，docId参数需要调用者从外部传入，而不是在内部自己创建，这给搜索引擎的实现者更大的自由。 将文档交给分词器处理，然 ...
分类：
编程语言 时间：
2017-01-22 21:26:19
阅读次数：
332
jieba——“结巴”中文分词是sunjunyi开发的一款Python中文分词组件，可以在Github上查看jieba项目。 要使用jieba中文分词，首先需要安装jieba中文分词，作者给出了如下的安装方法： 1.全自动安装：easy_install jieba 或者 pip install ji ...
分类：
编程语言 时间：
2017-01-19 04:10:29
阅读次数：
349
原文 http://www.gowhich.com/blog/147 主题 中文分词 Python 源码下载的地址：https://github.com/fxsjy/jieba 演示地址：http://jiebademo.ap01.aws.af.cm/ 特点 1，支持三种分词模式： a,精确模式，试 ...
分类：
编程语言 时间：
2017-01-12 12:58:34
阅读次数：
248
Solr搜索技术 今日大纲 回顾上一天的内容： 倒排索引 lucene和solr的关系 lucene api的使用 CRUD 文档、字段、目录对象（类）、索引写入器类、索引写入器配置类、IK分词器 查询解析器、查询对象（用户要查询的内容）、索引搜索器（索引库的物理位置）、排名文档集合（包含得分文档数... ...
分类：
其他好文 时间：
2017-01-10 23:29:51
阅读次数：
423
原文链接：https://my.oschina.net/jhao104/blog/644909 摘要: ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apa ...
分类：
其他好文 时间：
2017-01-09 12:29:54
阅读次数：
281
转自：http://github.tiankonguse.com/blog/2014/12/03/sphinx-token-inverted-sort.html 外部排序 现在我们的背景是有16个已经排序的数据存在磁盘上。由于数据量很大，我们不能一次性全部读进来。 我们的目标是依次挑出最小的hit， ...
分类：
编程语言 时间：
2017-01-04 18:35:52
阅读次数：
274
一，软件准备 coreseek4.1 （包含coreseek测试版和mmseg最新版本，以及测试数据包【内置中文分词与搜索、单字切分、mysql数据源、python数据源、RT实时索引等测试配置】） Mysql源码包 （必须选择与你已安装mysql的版本一致） 为了避免安装中出现依赖包缺失，你需要打 ...
分类：
数据库 时间：
2017-01-03 22:37:21
阅读次数：
508
今天安装中文词检索功能模块 coreseek，其中一个分词模块 mmseg ,编译安装到最后，出现annot find input file: src/Makefile.in aclocal //是一个perl 脚本程序，它的定义是：“aclocal - create aclocal.m4 by s ...
分类：
其他好文 时间：
2017-01-03 22:16:05
阅读次数：
269
