IKAnalyzer中文分词库的安装、配置和使用

IKAnalyzer是一个开源的,基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始,IKAnalyzer已经推出了3个大版本。最初,它是以开源项目Luence为应用主体的,结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为面向Java的公用分词组件,独立于Lucene项目,同时提供了对Lucene的默认优化实现。

IKAnalyzer3.0特性: 采用了特有的“正向迭代最细粒度切分算法“,支持细粒度和最大词长两种切分模式;具有83万字/秒(1600KB/S)的高速处理能力。 采用了多子处理器分析模式,支持:英文字母、数字、中文词汇等分词处理,兼容韩文、日文字符 优化的词典存储,更小的内存占用。支持用户词典扩展定义 针对Lucene全文检索优化的查询分析器IKQueryParser(作者吐血推荐);引入简单搜索表达式,采用歧义分析算法优化查询关键字的搜索排列组合,能极大的提高Lucene检索的命中率。

1、下载地址

GoogleCode开源项目 :http://code.google.com/p/ik-analyzer/ GoogleCode SVN下载:http://ik-analyzer.googlecode.com/svn/trunk/ 

2、安装部署 IK Analyzer安装包包含:

  1. IKAnalyzer中文分词器V3.2.8使用手册.pdf
  2. IKAnalyzer3.2.8.jar
  3. IKAnalyzer.cfg.xml
  4. ext_stopword.dic 它的安装部署十分简单。

将IKAnalyzer3.2.8.jar部署于项目的lib目录中。

cp IKAnalyzer3.2.8.jar /opt/tomcat6/webapps/solr/WEB-INF/lib/

IKAnalyzer.cfg.xml文件放置在代码根目录(对于web项目,通常是WEB-INF/classes目录,同hibernate、log4j等配置文件相同)下即可。

cp IKAnalyzer.cfg.xml /opt/tomcat6/webapps/solr/WEB-INF/classes/ cp ext_stopword.dic /opt/tomcat6/webapps/solr/WEB-INF/classes/

  3、IK配置文件IKAnalyzer.cfg.xml的配置

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典-->
        <entry key="ext_dict">/pinyin.dic; /sougou_words.dic;</entry> 

         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords">/ext_stopword.dic</entry> 

</properties>

下载:pinyin   sougou_words

4、与solr的整合 修改solr的配置文件

vim /opt/solr/conf/schema.xml

查找

区域 a、将 <analyzer type="index"> <tokenizer class="solr.WhitespaceTokenizerFactory"/>

class的内容替换为:org.wltea.analyzer.solr.IKTokenizerFactory 替换后的效果为:

b、将 <analyzer type="query"> 242 <tokenizer class="solr.WhitespaceTokenizerFactory"/>

的class 替换为:org.wltea.analyzer.solr.IKTokenizerFactory 替换后的效果为:

5、分词效果实例

原文1:IK-Analyzer是一个开源的,基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始, IKAnalyzer已经推出了3个大版本。 效果:

ik analyzer 是一个 一个 一 个 开源 基于 java 语言 开发 轻量级 量级 中文 分词 工具包 工具 2006 年 12 月 推出 1.0 版 开始 ikanalyzer 已经 推出了 推出 出了 3 个 大 版本

  附:IKAnalyzer中文分词器V3.2.8使用手册

Loading Disqus comments...
Table of Contents