最近项目经理说为了提高搜索的效率，最近研究了一下elasticsearch。 web开发中，搜索一般都不会用到 like 这样语句，效率太低了。 一般会采用分词，比如以前用过的coreseek，但是很久没更新了。 下面记录下 ubuntu下的安装过程 如果看到下面表示成功 参考: http://ke ...
分类：
其他好文 时间：
2016-05-24 15:13:22
阅读次数：
133
一、IK简介 IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。从3.0版本开 始，IK发展为面向J ...
分类：
其他好文 时间：
2016-05-23 16:47:00
阅读次数：
283
映射mapping机制用于进行字段类型确认，将每个字段匹配为一种确定的数据类型(string, boolean, date)；
分析analysis机制用于进行全文文本Full Text的分词，以建立供搜索用的倒排索引Inverted index．
上边做个总结，后续学习之后就明白了．先看一个查询现象：
在索引中有12个tweets，只有一个包含日期2014-09-15，但是我们看看下面查询...
分类：
其他好文 时间：
2016-05-23 15:18:27
阅读次数：
209
中文分词工具：结巴分词
github地址：https://github.com/fxsjy/jieba一、分词功能
精确模式（默认）：试图将句子最精确地切开，适合文本分析；
全模式，把句子中所有的可以成词的词语都扫描出来，但是不能解决歧义；
搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细。注意：jieba.cut以及jieba.c...
分类：
编程语言 时间：
2016-05-22 12:32:43
阅读次数：
268
前几篇博客已经相继公开了去转盘网的所有技术细节，如下： 百度网盘爬虫 中文分词算法 邀请好友注册 js分页部分代码 这篇博客我将继续公开数据库自动备份的代码。可以这么说，没有数据库，一切就是个蛋，没有数据库备份，一切还是个蛋，你可以想象数据库备份多么重要。不会linux，不会写shell的朋友麻烦先 ...
分类：
数据库 时间：
2016-05-22 09:39:12
阅读次数：
206
前几篇博客已经相继公开了去转盘网的所有技术细节，如下：百度网盘爬虫中文分词算法邀请好友注册js分页部分代码这篇博客我将继续公开数据库自动备份的代码。可以这么说，没有数据库，一切就是个蛋，没有数据库备份，一切还是个蛋，你可以想象数据库备份多么重要。不会linux，不..
分类：
数据库 时间：
2016-05-22 00:47:55
阅读次数：
262
开发环境 vs2015 winform 程序 1 首先需要下载对应的DLL 文章后面统一提供程序下载地址 里面都有 2 配置pangu的参数 也可以不配置 采用默认的即可 3 创建索引，将索引存放到本地 4 根据关键字查询本地索引 5 取得查询结果并展示 以上是主要的步骤，下面贴上主要代码，拿来即可 ...
分类：
Web程序 时间：
2016-05-20 19:05:05
阅读次数：
444
你想知道百度是怎么找到你想要的东西的嘛？百度到底是怎么实现的呢？相信看完这篇博文你会豁然开朗，哦，原来是那样啊~~...
分类：
编程语言 时间：
2016-05-19 15:15:29
阅读次数：
186
之前老是有客户说搜索不好用，打错一个字或者加个空格啥的就搜不到东西， 然后就想到了分词搜索，百度查了下分词的大致做法后就开始动手做了， 1.从客户输入以及产品等地方搜集了一些词汇存入词库 2.采用 ‘反向最大匹配’ 测试下来还是能用的，但是用了几天之后发现这种 ‘反向最大匹配’ 并不适合于垂直领域的 ...
分类：
其他好文 时间：
2016-05-17 21:18:46
阅读次数：
304
solr本身对中文是不支持的，所以需要下载中文分词器IK-analyzer下载地址https://code.google.com/archive/p/ik-analyzer/downloads。自己本地系统是centos6.7,所以下载了https://storage.googleapis.com/google-code-archive-downloads/v2/code.google.com/ik-analyzer/IK%20An..
分类：
其他好文 时间：
2016-05-17 20:00:17
阅读次数：
447
