solr(五)同义词加中文分词

ezeke

　　同义词加中文分词的话可以采用mmseg4j，mmseg4j的配置步骤如下:
　　1: 下载地址：
　　http://code.google.com/p/mmseg4j/downloads/list.
2.解压mmseg4j-1.9.0.v20120712-SNAPSHOT.zip
           用到下面文件：
               mmseg4j-all-1.9.0.v20120712-SNAPSHOT.jar 放到之前安装$CATALINA_HOME/webapps/solr/WEB-INF/lib/目录下
                data 目录，建议拷贝下面内容到$SOLR_HOME\collection1\conf\mm4jdic
3.设置mmseg4j中文分词和同义词
           修改$SOLR_HOME/collection1/conf/schema.xml，在<types></types>中增加如下内容:

　　          

<fieldType name="textMaxWord" class="solr.TextField" >
<analyzer type="index">
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word"/>
<filter class="solr.StopFilterFactory" ignoreCase="false" words="stopwords.txt"/>
<filter class="solr.StandardFilterFactory"/>
<filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
</analyzer>
<analyzer type="query">
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
<filter class="solr.StopFilterFactory" ignoreCase="false" words="stopwords.txt"/>
<filter class="solr.StandardFilterFactory"/>
<filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
</analyzer>
</fieldType>
　　    同样要定义相关类型的字段
　　 

<field name="title_copy" type="textMaxWord" indexed="true" stored="true" termVectors="true"/>
　　 4: 导入数据库索引，这个可以参看dataImport，至于synonyms的配置可以参看上一贴没做改动。
　　 测试输入日本，结果显示了都是相关中国的内容，基本达到了同义词的效果。