mmseg 同義詞/複合詞自定義

Linux mmseg 同義詞/複合分詞處理：

其基本使用情況爲：

詞庫包含：

　　　　南京西路、南京、西路

索引時：

　　　　文本中的「南京西路」會被同時索引爲以上三者

查詢時：

　　　　輸入南京西路，能夠直接匹配南京西路，而不匹配南京或者西路；

　　　　輸入南京或者西路，也能夠搜索到南京西路

用法：

1. 處理unigram.txt生成同義詞庫文件

   注*：在mmseg安裝目錄 /mmseg3/etc/ 下運行

   $ python （加安裝以前coreseek目錄路徑）mmseg-3.2.14(源代碼=>是解壓後的coreseek 目錄下)/script/build_thesaurus.py unigram.txt > thesaurus.txt //下載後的壓縮包自定義存放

   $ python /usr/local/src/coreseek-4.1-beta/mmseg-3.2.14/script/build_thesaurus.py unigram.txt > thesaurus.txt         //我本身的存放目錄

   *thesaurus.txt文件的格式以下：

南京西路

-南京,西路,

張三丰

-太極宗師,武當祖師,

2. 生成同義詞詞典

   注*：在mmseg安裝目錄 /mmseg3/etc/ 下運行

   mmseg -t thesaurus.txt //mmseg 在安裝後的mmseg3/bin下

   $ /usr/local/mmseg3/bin/mmseg -t thesaurus.txt //我本身的安裝目錄

3. 將thesaurus.lib放到uni.lib同一目錄

4. 停掉要使用同義詞/複合詞的那個sphinx ，從新建索引indexer -> 啓動sphinx searchd -> 搜索search

5 注：同義詞不影響分詞。隻影響索引

6. coreseek索引和搜索時，會自動進行復合分詞處理。