一 安装部分 1、新建用户 elasticsearch不能使用root身份执行 2、赋予权限 切换到root 3、永久增加file descriptors最大数量 启动时可能会提示file descriptors过低 在/etc/security/limits.conf追加： 4、永久增加vm.ma ...
分类：
其他好文 时间：
2018-07-16 19:40:11
阅读次数：
162
(转https://blog.csdn.net/gzmfxy/article/details/78994396) 中文分词是中文文本处理的一个基础步骤，也是中文人机自然语言交互的基础模块，在进行中文自然语言处理时，通常需要先进行分词。本文详细介绍现在非常流行的且开源的分词器结巴jieba分词器，并使 ...
分类：
编程语言 时间：
2018-07-16 11:23:13
阅读次数：
195
首先很好的一点就是博客园的搜索机制是索引搜索,不仅仅是关键词搜索,而且索引也很稳定,但是依然不是万能的,有需要注意的地方 索引搜索的机制就是首先把我们输入的搜索条件进行分词,然后再查询出带有任何一个关键词的文章,如果我们输入的词条都是汉语,那么分词自然按照语法,但是我们一般都会是英文和数字和汉字混合 ...
分类：
其他好文 时间：
2018-07-15 19:40:24
阅读次数：
446
使用Scanner扫描器比使用io流更方便？ 使用流读取/写入文件是我最常用的处理方式，今天又新学习了一种使用扫描【Scanner】输入的方法。 对于读取一行文本，对其进行分词【Scanner分词定界符了解更多】，下面这种方式比较麻烦： 控制台： 用上面这种方式，你可以看到，如果你想提取一行里的数据 ...
分类：
其他好文 时间：
2018-07-14 16:33:30
阅读次数：
195
由于在默认情况下Scanner根据空白字符对输入进行分词，为满足不同的分词要求，Scanner提供的使用正则表达式的方式去指定你所需的定界符： 控制台： ...
分类：
其他好文 时间：
2018-07-14 16:26:33
阅读次数：
136
1. 将word映射到一个新的空间中，并以多维的连续实数空间向量进行表示，叫做 ，或者 . 2. n gram: n gram是一种统计语言模型。根据前n 1个item预测第n个item，这些item可以是音素（语言识别应用），字符（输入法应用），词（分词应用）或碱基对。一般可以从大规模文本或者语料 ...
分类：
其他好文 时间：
2018-07-13 23:45:21
阅读次数：
292
昨天产品提了个需求，用户搜索‘Q币充值’，只要包含‘Q币’的产品都要搜索出来，我们知道，通常情况搜索是把整个字符串进行模糊查询，这种需求应该怎么解决，我们来看看 //首先引用两个DLL文件，再引用这三个命名空间，DLL文件底下会给链接 using Lucene.Net; using Lucene.N ...
分类：
其他好文 时间：
2018-07-13 13:17:03
阅读次数：
136
Lucene复习： 1、什么是lucene：全文检索工具包 2、Lucene的工作原理： 索引数据的创建 从原始文件中提取一些可以用来搜索的数据（封装成各种Field），把各field再封装成document，然后对document进行分析（对各字段分词），得到一些索引目录写入索引库，documen ...
分类：
其他好文 时间：
2018-07-12 23:56:42
阅读次数：
226
前言：目前自己在做使用Lucene.net和PanGu分词实现全文检索的工作，不过自己是把别人做好的项目进行迁移。因为项目整体要迁移到ASP.NET Core 2.0版本,而Lucene使用的版本是3.6.0 ，PanGu分词也是对应Lucene3.6.0版本的。不过好在Lucene.net 已经有 ...
分类：
Web程序 时间：
2018-07-12 13:13:43
阅读次数：
273
全文搜索现在已经是很常见的功能了，当然你也可以用mysql加Sphinx实现。但开源的Elasticsearch（简称ES）目前是全文搜索引擎的首选。目前像GitHub、维基百科都使用的是ES，它可以快速的存储，搜索和分析数据。 一、安装与启动 ES的运行需要依赖java环境，可以在命令行运行 ja ...
分类：
其他好文 时间：
2018-07-11 20:03:06
阅读次数：
185
