jcseg中文分词器去除不想要的分词

今天观察我的网站 省淘网时,发现好多相关搜索结果,都是关键词“的”的命中。
一开始想自己把字符串里的“的”replace掉得了,但是一想,jcseg应该有这个功能吧。
翻阅了说明文档后,最终发现,默认的配置文件没有开启自动过滤停止词(其实就是去掉不想要的分词)

具体设置:

默认的配置文件在jcseg-core-1.9.1.jar包里:jcseg.properties

#是否自动过滤停止词(0 关闭, 1 开启)
jcseg.clearstopword=1

这个配置默认是0,改成1,重启后就开始了。

具体的停止词,在词库文件:lib/lexicon/lex-stopword.lex

自己想要的可以加,我加了一些符号。

猜你喜欢

转载自xwater.iteye.com/blog/2047867
今日推荐