mmseg 同义词/复合词自定义

Linux mmseg 同义词/复合分词处理：

其基本使用状况为：

词库包含：

　　　　南京西路、南京、西路

索引时：

　　　　文本中的“南京西路”会被同时索引为以上三者

查询时：

　　　　输入南京西路，可以直接匹配南京西路，而不匹配南京或者西路；

　　　　输入南京或者西路，也可以搜索到南京西路

用法：

1. 处理unigram.txt生成同义词库文件

   注*：在mmseg安装目录 /mmseg3/etc/ 下运行

   $ python （加安装之前coreseek目录路径）mmseg-3.2.14(源代码=>是解压后的coreseek 目录下)/script/build_thesaurus.py unigram.txt > thesaurus.txt //下载后的压缩包自定义存放

   $ python /usr/local/src/coreseek-4.1-beta/mmseg-3.2.14/script/build_thesaurus.py unigram.txt > thesaurus.txt         //我自己的存放目录

   *thesaurus.txt文件的格式如下：

南京西路

-南京,西路,

张三丰

-太极宗师,武当祖师,

2. 生成同义词词典

   注*：在mmseg安装目录 /mmseg3/etc/ 下运行

   mmseg -t thesaurus.txt //mmseg 在安装后的mmseg3/bin下

   $ /usr/local/mmseg3/bin/mmseg -t thesaurus.txt //我自己的安装目录

3. 将thesaurus.lib放到uni.lib同一目录

4. 停掉要使用同义词/复合词的那个sphinx ，重新建索引indexer -> 启动sphinx searchd -> 搜索search

5 注：同义词不影响分词。只影响索引

6. coreseek索引和搜索时，会自动进行复合分词处理。