coreseek 自定义词库（一）

中文搜索中，首先是了解了 coreseek（ lucene，你也可以看一下xunsearch，不过xunsearch 快不支持修订了 ）， coreseek自身带的词库不是很大，直接使用它分词可能会返回大量没用结果，所以需要自己定义分词库。

1.你可以到搜狗或者其它的输入法中获取到相应的词库，比如：使用 四十万汉语大词库，搜狗下载下来是 scel 格式

2.系在一个工具，将他转换成 txt 格式 ，并且一定要使用 utf8 编码。比如使用：深蓝词库转换

3.在linux中找到安装coreseek的时候安装的分词mmseg目录，将我们转换的txt格式的词典转换成mmseg支持的格式

比如：在命令行下运行    /usr/local/mmseg3/bin/mmseg -u test.txt   会生成：test. txt.uni
然后将   test. txt.uni 命名为  uni.lib  
再将 uni.lib 移动到 /usr/local/mmseg3/etc 目录下面
3.重新进行分词，即可


如果有什么错误，请与我交流联系：[email protected]
也可以博客给我留言