Coreseek-带中文分词的Sphinx

Sphinx并不支持中文分词, 也就不支持中文搜索, Coreseek = Sphinx + MMSEG(中文分词算法)

1.下载

　　1).到官网下载

　　2).解压后有三个文件夹

　　　　csft-3.2.14: Sphinx

　　　　mmseg-3.2.14: 中文分词组件

　　　　testpack: 接口开发包

2.安装

　　1).先安装mmseg, 因为Coreseek会用到

cd mmseg-3.2.
./configure --prefix=/usr/local/mmseg

　　此时如果Makefile文件创建成功, 但是出现了一个config.status: error: cannot find input file: src/Makefile.in错误信息, 使用以下命令重新编译

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

　　执行安装

make && make install

　　2).安装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.中文分词算法分类

　　1).基于字符串匹配的分词方法

　　　　基于字典, 进行挨个的词条匹配

　　　　三个要素: 分词词典, 文本扫描顺序, 匹配原则

　　　　扫描顺序: 正向, 逆向, 双向

　　　　匹配原则: 最大, 最小, 逐词,最佳

　　2).基于理解的分词方法, 正在测试阶段

　　3).基于统计的分词方法, 可以根据相邻的字出现的次数和频率等自动识别生词, 自动消除歧义

4.配置Coreseek

cp /usr/local/coreseek/etc/sphinx.conf.dist /usr/local/coreseek/etc/csft.conf #与Sphinx不同的是配置文件名不同
#接下来按照Sphinx配置即可, 注意索引中的此两处配置
#charset_type        = zh_cn.utf-
#charset_dictpath    = /usr/local/mmseg/etc/

5.生成索引

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

6.查找内容

cd /usr/local/coreseek/bin
./search 随永杰