110,537
社区成员
发帖
与我相关
我的任务
分享lucene.net的应用，怎么样实现中文的全文检索，也就是怎么处理所有的文本格式，对中文等进行分词索引？
lucene.net的应用，怎么样实现中文的全文检索，也就是怎么处理所有的文本格式，对中文等进行分词索引？
...全文
请发表友善的回复…
发表回复
xinqq163 2011-03-27
- 打赏
- 举报
正想弄这个功能 ，还不会
lwtbysj 2009-03-16
- 打赏
- 举报
对这方面不是很懂UP下！
Yeeler 2008-05-05
- 打赏
- 举报
楼主问的问题非常宽泛，实在是难回答。
分词，尤其是中文分词，难度大，新词召回率低，不像英文，每个单词直接都有空格，动词变化都有规律可循。目前中文分词，互联网上开源的也只有中科院的分词，但存在bug。
lucene已经发布2.30版本了，lucene.net作者已经暂停维护，目前版本还是2.0，目前网上有大量的资料，《开发自己的搜索引擎lucene 2.0 + heeritrix》不错，可以读读，读完你就不会上来问这样的问题了。
分词，尤其是中文分词，难度大，新词召回率低，不像英文，每个单词直接都有空格，动词变化都有规律可循。目前中文分词，互联网上开源的也只有中科院的分词，但存在bug。
lucene已经发布2.30版本了，lucene.net作者已经暂停维护，目前版本还是2.0，目前网上有大量的资料，《开发自己的搜索引擎lucene 2.0 + heeritrix》不错，可以读读，读完你就不会上来问这样的问题了。
songyangaaron 2008-05-05
- 打赏
- 举报
文本格式Lucene都可以处理啊，中科院的分词效果还可以，不过学习版的DLL调用时容易出错。
[Quote=引用 2 楼 huguyue6670 的回复:]
楼上的你的文本格式处理怎么做的，像word、pdf、html等等？中科院的分词效果怎么样，能不能给点你们用的分词。
[/Quote]
[Quote=引用 2 楼 huguyue6670 的回复:]
楼上的你的文本格式处理怎么做的，像word、pdf、html等等？中科院的分词效果怎么样，能不能给点你们用的分词。
[/Quote]
美丽海洋 2008-05-04
- 打赏
- 举报
我们的分词有自己的代码，采用的是基于统计和词典相结合的方式完成的，多文本处理用的是ifilter
huguyue6670 2008-05-04
- 打赏
- 举报
楼上的你的文本格式处理怎么做的，像word、pdf、html等等？中科院的分词效果怎么样，能不能给点你们用的分词。
songyangaaron 2008-05-04
- 打赏
- 举报
用过Java版的Lucene，首先解决中文分词的问题，Lucene提供的中文分词弱了些，可以考虑中科院中文分词组件。google ICTCLAS 即可。
然后是建立索引，处理用户请求什么的，就比较简单了。
然后是建立索引，处理用户请求什么的，就比较简单了。
