elasticsearch中文分詞（mmseg）——手動添加詞典

標籤：elasticsearch   中文分詞   

elasticsearch本身的中文分詞外掛程式效果都不理想，手動添加詞典可以在一定程度上進行彌補。

經過多次實驗發現，mmseg的分詞機制採用正向最長相符演算法，例如，針對“小時代”這個單詞，其內建的詞典中沒有包含該詞，故當使用者搜尋小時代時，檢索不到任何結果。

在鹹魚老婆的虛心指導下，我終於找到瞭解決辦法。

手動添加該詞到mmseg的詞庫中，有兩種方法：

1、將該詞加入到內建的某個詞典中（非停頓詞詞典），如words-my.dic。

2、建立一個自訂字典，將其放入預設詞庫檔案夾下，注意編碼格式為以UTF-8無BOM格式編碼。

（注意：如果將elasticsearch部署在叢集時，相應的設定檔詞典均需修改）

期間，鹹魚老婆一直對我循循善誘的指導，令我茅塞頓開。同時，還不厭其煩的為我撥開我最愛的小桂圓，令我甚是感動。

相信若干年後，回味起解決手動添加詞庫問題的今晚，仍然會感到一股暖流湧上心頭。

重啟elasticsearch服務：elasticsearch restart

針對目標檔案，重建立立索引，搜尋“小時代”，即可查詢到目標檔案。

最後，再次感謝我親愛的鹹魚老婆。撒狼黑！！！