Coreseek-帶中文分詞的Sphinx

Sphinx並不支持中文分詞, 也就不支持中文搜索, Coreseek = Sphinx + MMSEG(中文分詞算法)

1.下載

　　1).到官網下載

　　2).解壓後有三個文件夾

　　　　csft-3.2.14: Sphinx

　　　　mmseg-3.2.14: 中文分詞組件

　　　　testpack: 接口開發包

2.安裝

　　1).先安裝mmseg, 由於Coreseek會用到

cd mmseg-3.2.14
./configure --prefix=/usr/local/mmseg

　　此時若是Makefile文件建立成功, 可是出現了一個config.status: error: cannot find input file: src/Makefile.in錯誤信息, 使用如下命令從新編譯

aclocal
libtoolize --force
automake --add-missing
autoconf
autoheader
make clean
./configure --prefix=/usr/local/mmseg

　　執行安裝

make && make install

　　2).安裝csft(即Coreseek)

./configure --prefix=/usr/local/coreseek --with-mysql=/usr/local/mysql --with-mmseg=/usr/local/mmseg --with-mmseg-includes=/usr/local/mmseg/include/mmseg --with-mmseg-libs=/usr/local/mmseg/lib
make && make install

3.中文分詞算法分類

　　1).基於字符串匹配的分詞方法

　　　　基於字典, 進行挨個的詞條匹配

　　　　三個要素: 分詞詞典, 文本掃描順序, 匹配原則

　　　　掃描順序: 正向, 逆向, 雙向

　　　　匹配原則: 最大, 最小, 逐詞,最佳

　　2).基於理解的分詞方法, 正在測試階段

　　3).基於統計的分詞方法, 能夠根據相鄰的字出現的次數和頻率等自動識別生詞, 自動消除歧義

 4.配置Coreseek

cp /usr/local/coreseek/etc/sphinx.conf.dist /usr/local/coreseek/etc/csft.conf #與Sphinx不一樣的是配置文件名不一樣
#接下來按照Sphinx配置便可, 注意索引中的此兩處配置
#charset_type        = zh_cn.utf-8
#charset_dictpath    = /usr/local/mmseg/etc/

5.生成索引

cd /usr/local/coreseek/bin
./indexer --all

6.查找內容

cd /usr/local/coreseek/bin
./search 隨永傑