# 下载字典 # 编译php扩展 # 在 php.ini 中加入以下几行 # 重启php # 在php程序中用 ini_get('scws.default.fpath') 读取scws.default.fpath目默认字典录设置 # 测试分词程序 ...
分类：
其他好文 时间：
2019-04-24 19:32:34
阅读次数：
110
复制 中的 至 中 编辑managed schema文件加入 测试分词效果 ...
分类：
其他好文 时间：
2019-04-16 14:38:56
阅读次数：
295
1.elasticsearch的结构 首先elasticsearch目前的结构为 /index/type/id id对应的就是存储的文档ID，elasticsearch一般将数据以JSON格式存储。我们可以将elasticsearch和关系型数据库进行比较，index相当于关系型数据库中的datab ...
分类：
其他好文 时间：
2019-04-16 01:21:34
阅读次数：
172
https://blog.csdn.net/gwd1154978352/article/details/82781731 环境搭建篇 ElasticSearch教程——安装 ElasticSearch教程——安装Head插件 ElasticSearch教程——安装IK分词器插件 ElasticSea ...
分类：
其他好文 时间：
2019-04-15 18:28:46
阅读次数：
206
最近学习主题模型pLSA、LDA，就想拿来试试中文。首先就是找文本进行切词、去停用词等预处理，这里我找了开源工具IKAnalyzer2012，下载地址：(：(注意：这里尽量下载最新版本，我这里用的IKAnalyzer2012.zip 这本版本后来测试时发现bug，这里建议IKAnalyzer2012 ...
分类：
其他好文 时间：
2019-04-15 18:10:26
阅读次数：
278
它在哪里呢？ 非常重要！ [hadoop@HadoopMaster custom]$ pwd/home/hadoop/app/elasticsearch 2.4.3/plugins/ik/config/custom[hadoop@HadoopMaster c ...
分类：
其他好文 时间：
2019-04-15 18:10:12
阅读次数：
180
一、jieba 库简介 (1) jieba 库的分词原理是利用一个中文词库，将待分词的内容与分词词库进行比对，通过图结构和动态规划方法找到最大概率的词组；除此之外，jieba 库还提供了增加自定义中文单词的功能。 (2) jieba 库支持3种分词模式： 精确模式：将句子最精确地切开，适合文本分析。 ...
分类：
其他好文 时间：
2019-04-15 00:42:17
阅读次数：
248
首先声明：我对Lucene.Net并不熟悉，但搜索确实是分词的一个重要应用，所以这里还是尝试将两者集成起来，也许对你有一参考。 看到了两个中文分词与Lucene.Net的集成项目：Lucene.Net.Analysis.PanGu和Lucene.Net.Analysis.MMSeg，参考其中的代码实 ...
分类：
Web程序 时间：
2019-04-10 17:52:46
阅读次数：
163
1. 文本向量化特征的不足 在将文本分词并向量化后，我们可以得到词汇表中每个词在各个文本中形成的词向量，比如在文本挖掘预处理之向量化与Hash Trick这篇文章中，我们将下面4个短文本做了词频统计： corpus=["I come to China to travel", "This is a c ...
分类：
其他好文 时间：
2019-04-07 18:07:57
阅读次数：
161
摘自https://www.jianshu.com/p/fdde9fc03f94 你在工作、学习中是否曾因信息过载叫苦不迭？有一种方法能够替你读海量文章，并将不同的主题和对应的关键词抽取出来，让你谈笑间观其大略。本文使用Python对超过1000条文本做主题抽取，一步步带你体会非监督机器学习LDA方 ...
分类：
编程语言 时间：
2019-04-07 09:18:35
阅读次数：
233
