solr IK Analyzer 2012FF_hf1： IKAnalyzer 详细介绍 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， ...
分类：
其他好文 时间：
2018-08-07 22:00:12
阅读次数：
194
https://en.wikipedia.org/wiki/Dublin_Core 都柏林核心模式(Dublin Core Schema)是一小部分词汇术语，可用于描述数字资源(视频、图像、网页等)以及物理资源，如书籍或CD，以及艺术品等对象。都柏林核心元数据的全套术语可在都柏林核心元数据倡议(DC ...
分类：
其他好文 时间：
2018-08-07 13:00:41
阅读次数：
146
介绍 Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单 ...
分类：
Web程序 时间：
2018-08-07 12:52:23
阅读次数：
246
1. 分析 构建词云需要具备： 原料即文章等内容 将内容进行分词 将分词后的内容利用构建词云的工具进行构建 保存成图片 2. 需要的主要模块 jieba 中文分词 wordcloud 构建词云 3. 模块原理 wordcloud的实现原理 文本预处理 词频统计 将高频词以图片形式进行彩色渲染 jie ...
分类：
编程语言 时间：
2018-08-06 00:34:36
阅读次数：
248
1、利用结巴分词对中文句子进行分词，词性标注（词性标注使用的词性兼容了ICTCLAS汉语词性标准） 参考https://gist.github.com/luw2007/6016931 2、将词的文本和词性打包，视为“词对象”，对应 :class:Word(token,pos) 3、利用REfo模块对 ...
分类：
其他好文 时间：
2018-08-03 19:55:06
阅读次数：
1526
最大匹配法：最大匹配是指以词典为依据，取词典中最长单词为第一个次取字数量的扫描串，在词典中进行扫描（为提升扫描效率，还可以跟据字数多少设计多个字典，然后根据字数分别从不同字典中进行扫描）。例如：词典中最长词为“中华人民共和国”共7个汉字，则最大匹配起始字数为7个汉字。然后逐字递减，在对应的词典中进行 ...
分类：
编程语言 时间：
2018-08-01 19:35:53
阅读次数：
428
首先引入 ikanalyzer相关jar包 输出结果： ...
分类：
其他好文 时间：
2018-08-01 12:11:49
阅读次数：
357
分词我理解的是，输入的一句话，按照它自己定义的规则分为常用词语。 首先，Solr有自己基本的类型，string、int、date、long等等。 对于string类型，比如在你的core/conf/manage-schema文件中，配置一个字段类型为string类型，如果查询符合“我是中国人”的数据 ...
分类：
其他好文 时间：
2018-07-30 14:48:38
阅读次数：
183
一、1.Maven介绍 Maven是一个项目管理工具，Maven通过POM项目对象模型，对象项目进行管理，通过一个配置文件（xml文件）进行项目的管理。对象项目的声明周期中每个阶段进行管理（清理，编译，测试，打包）。 POM项目对象模型的理解：①类之间的关系：继承、依赖、聚合；②管理项目之间的关系： ...
分类：
其他好文 时间：
2018-07-30 11:36:13
阅读次数：
144
1.创建一个新的索引并且添加一个配置 2.更新索引配置：（更新分词器为例子） 更新分词器前，一定要关闭索引，然后更新，最后再次开启索引 url：PUT http://127.0.0.1:9200/suoyinpeizhi/_settings/ 参数： 如果不关闭会提示以下错误 所以 先运行： POS ...
分类：
其他好文 时间：
2018-07-29 21:11:38
阅读次数：
937
