通常情况下，我们根据整个字段来索引数据，字段最长时，也不过十个字；但是还有一种情况，如果我们索引的是一篇文章呢？这时候如何处理这个字段，分词器很好的解决了这个问题。           solr服务器默认为我们提供了分词组件，但是Apache Solr提供的分词器对中文不太友好，举例如下：           它把整个句子的每个字都给分开了，这样如果索引一篇文章的

在搭建Solr服务器的基础上（http://blog.csdn.net/u010379996/article/details/51790743） 1. 下载mmseg4j包和字典（.dic） 2.  搭建mmseg4j中文分词 在Solr_Home创建dic文件夹，并把mmseg4j的.dic文件复制到此 下载mmseg4j-solr-2.3.0.jar， mmseg4j-core-1.1

mmseg4j 用 Chih-Hao Tsai 的 MMSeg 算法实现的中文分词器，并实现 lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。 MMSeg 算法有两种分词方法：Simple和Complex，都是基于正向最大匹配。Complex 加了四个规则过虑。官方说：词语的正确识别率达到了 98.41%。mmseg4j

目录 认识中文分词包（下载、安装及运行）分词方法与效果分析分词算法学习分词结果提交(2017/5/24完善方法2)基于分词结果的词云分析 1.认识中文分词包（下载、安装及运行） 1.1 简介 mmseg4j 用 Chih-Hao Tsai 的 MMSeg 算法实现的中文分词器，并实现 lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和

1.下载solr-5.1.0后进入到 solr-5.1.0\server目录下 新建一个start.bat文件用来启动jetty内容如下  echo "begin start the jetty......" java -jar %cd%/start.jar 这里我下载的放在了百度云中 链接：http://pan.baidu.com/s/1nuv31Sd 密码：bk

要想在Sor中使用MMSeg4J分词器，首先你需要自定义一个TokenizerFactory实现类，虽然直接配置Analyzer类也可以，但那样无法配置Analyzer构造函数的参数，不够灵活，存在弊端，所以我一直都是以扩展TokenizerFactory的方式来讲解类似MMSeg4J这样的中文分词器在Solr中的使用。       MMSegTokenizerFactory类我花