|
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778 |
- ## ideaseg
-
- `ideaseg` 是一个基于最新的 [HanLP](https://github.com/hankcs/HanLP/tree/1.x) 自然语言处理工具包实现的中文分词器，
- 包含了最新的模型数据，同时移除了 HanLP 所包含的非商业友好许可的 [NeuralNetworkParser](https://github.com/hankcs/HanLP/issues/644) 相关代码和数据。
-
- `HanLP` 相比其他诸如 `IK`、`jcseg` 等分词器而言，在分词的准确率上有巨大的提升，但速度上有所牺牲。
- 通过对 `HanLP` 进行优化配置，`ideaseg` 在准确度和分词速度上取得了最佳的平衡。
-
- 与其他基于 `HanLP` 的插件相比，`ideaseg` 同步了最新 `HanLP` 的代码和数据，去除了无法商用的相关内容；实现了自动配置；
- 包含了模型数据，无需自行下载，使用简单方便。
-
- `ideaseg` 提供三个模块包括：
-
- 1. `core` ~ 核心分词器模块
- 2. `elasticsearch` ~ ElasticSearch 的 ideaseg 分词插件 (默认版本 7.10.2)
- 3. `opensearch` ~ OpenSearch 的 ideaseg 分词插件 (默认版本 2.4.1)
-
- 此外 `data` 包含 `HanLP` 的模型数据。
-
- 由于 `ElasticSearch` 的插件机制严格绑定引擎本身的版本，而且版本众多，因此本项目不提供预编译的二进制版本，你需要执行下载源码进行构建。
-
- ### 构建
-
- 以下是插件的构建过程，在开始之前请先安装好 `git`、`java`、`maven` 等相关工具。
-
- 首先确定你的 `ElasticSearch` 或者 `OpenSearch` 的具体版本，假设你使用的是 `ElasticSearch` 7.10.2 版本，
- 请使用文本编辑器打开 `ideaseg/elasticsearch/pom.xml` 文件，修改 `elasticsearch.version` 对应的值为 `7.10.2`
- （如果是 `OpenSearch` 请修改 `opensearch/pom.xml`）。
-
- 保存文件并打开命令行窗口，执行如下命令开始构建：
-
- ```shell
- $ git clone https://gitee.com/indexea/ideaseg
- $ cd ideaseg
- $ mvn install
- ```
-
- 构建完成后，将在 `elasticsearch/target` 和 `opensearch/target` 各生成两个插件文件为 `ideaseg.zip` 。
-
- ### 安装
-
- 构建完成后，我们可以利用 `ElasticSearch` 或 `OpenSearch` 提供的插件管理工具进行安装。
-
- `ElasticSearch` 对应的插件管理工具为 `<elasticsearch>/bin/elasticsearch-plugin` ，
- 而 `OpenSearch` 对应的管理工具为 `<opensearch>/bin/opensearch-plugin`。
- 其中 `<elasticsearch>` 和 `<opensearch>` 为两个服务安装后所在的目录。
-
- #### ElasticSearch 安装 ideaseg 插件
-
- ```shell
- $ bin/elasticsearch-plugin install file:///<ideaseg>/elasticsearch/target/ideaseg.zip
- ```
-
- #### OpenSearch 安装 ideaseg 插件
-
- ```shell
- $ bin/opensearch-plugin install file:///<ideaseg>/opensearch/target/ideaseg.zip
- ```
-
- 其中 `<ideaseg>` 为 `ideaseg` 源码所在的路径。要特别注意到是路径前必须有 `file://` 。
-
- 安装过程会询问插件所需的权限，回车确认即可完成安装，安装完毕需要重启服务才能让插件生效。
-
- 接下来你可以使用分词测试工具来对插件进行测试，如下所示：
-
- ```
- POST _analyze
- {
- "analyzer": "ideaseg",
- "text": "你好，我用的是 ideaseg 分词插件。"
- }
- ```
-
- 关于分词测试的详情请参考 [ElasticSearch 官方文档](https://www.elastic.co/guide/en/elasticsearch/reference/7.10/test-analyzer.html)。
-
- ### 反馈问题
-
- 如果你在使用 `ideaseg` 过程中有任何问题，请通过 [Issues](https://gitee.com/indexea/ideaseg/issues) 提出。
|
