当前位置: 首页 > 工具软件 > NlpBamboo > 使用案例 >

借助 NlpBamboo 中文分词打造 PostgreSQL 的全文检索

岑经纶
2023-12-01

借助 NlpBamboo 中文分词打造 PostgreSQL 的全文检索 « The Magic DIrk

PostgreSQL 从 8.3 开始内建了全文检索功能,对于我们来说,只需要再找一个中文分词组件即可利用 PostgreSQL 打造完善的全文检索应用。我选择的是 NlpBamboo 这个分词库。

以下是在 FreeBSD 7.2 + PostgreSQL 8.3 环境下的配置过程(FreeBSD 和 PostgreSQL 相关的安装和设置请自行找资料)。

1、安装 CMake:

1. cd /usr/ports/devel/cmake/
2. make install clean

2、安装 crf++:

1. cd /usr/ports/science/crf++/
2. make install clean

3、NlpBamboo 路径比较特殊,建立以下符号链接(其实不是全部需要;或者你偷懒一点,直接拷贝拉倒):

1. ln -s /usr/local/lib/libcrfpp.a /usr/lib/libcrfpp.a
2. ln -s /usr/local/lib/libcrfpp.so /usr/lib/libcrfpp.so
3. ln -s /usr/local/lib/libcrfpp.so.0 /usr/lib/libcrfpp.so.0

4、获取 NlpBamboo:

Google Code 取出 NlpBamboo 代码;或者从 NlpBamboo 下载打包文件。

5、进行 FreeBSD 下的补丁修改:

这里需要注意,由于 NlpBamboo 中的 bamboo 工具用到了 getline 这个函数,但 FreeBSD 默认没有提供,你可以找一个替代品。我比较偷懒,直接把相关代码注释掉了,因为我实际上根本不会在服务器上用这个工具。我都是在本地进行相关训练统计。

这个 nlpbamboo-freebsd.patch(2.0 KB) 是我当前在用的一个 Patch 文件,你可以参考。

6、编译并安装 NlpBamboo:

1. cd nlpbamboo-read-only # 这里应该是你自己解压或者代码取出后的目录
2. mkdir build
3. cd build
4. cmake .. -DCMAKE_BUILD_TYPE=release
5. make all
6. make install

NlpBamboo 默认会安装到 /opt/bamboo/ 目录,有特殊要求,自己修改。

NlpBamboo 安装后的目录结构:

  • /opt/bamboo/bin/ : 可执行程序和训练脚本文件
  • /opt/bamboo/etc/ : 配置文件
  • /opt/bamboo/template/ : CRF训练模板文件 (.tmpl)
  • /opt/bamboo/processor/ : processor库
  • /opt/bamboo/exts/ : 扩展接口
  • /usr/lib/ : 动态链接库
  • /usr/include/bamboo/ : C/C++的头文件

7、下载分词库数据文件:

请到 NlpBamboo 下载 index.tar.bz2 或类似文件,解压到 /opt/bamboo/index 目录:

1. cd /opt/bamboo/
2. wget http://nlpbamboo.googlecode.com/files/index.tar.bz2
3. tar -jxvf index.tar.bz2

8、安装中文分词扩展到 PostgreSQL:

1. cd /opt/bamboo/exts/postgres/pg_tokenize/
2. gmake install
3. cd /opt/bamboo/exts/postgres/chinese_parser/
4. gmake install
5. touch /usr/local/share/postgresql/tsearch_data/chinese_utf8.stop

9、在需要的数据库中导入分词:

1. psql -Uddlog
2. ddlog=> \i /usr/local/share/postgresql/contrib/pg_tokenize.sql
3. ddlog=> \i /usr/local/share/postgresql/contrib/chinese_parser.sql

10、如果没有错误,你现在可以用以下命令测试了:

1. psql -Uddlog
2. ddlog=> SELECT to_tsvector('chinesecfg', '我爱北京天安门');
3.             to_tsvector
4. -----------------------------------
5.  '我':1 '爱':2 '北京':3 '天安门':4
6. (1 row)

更多关于 NlpBamboo 的资料,可以到 NlpBamboo Wiki 里好好研究一下。

恩,最后,怎么使用,可以参看 PostgreSQL 的帮助文档。或者等有空我写个在 Django 中的使用方法。

动物凶猛,路过注意:

  • 使用 PostgreSQL 8.3 更早版本的同学需要安装 tsearch2 才能使用;
  • 使用 FreeBSD 7.2 更早版本的同学请先升级,NlpBamboo 用到了 7.2 才新增 strndup(3) 函数;
  • 请更新 Ports 到最新版本,某些东西会有一定版本依赖,比如 NlpBamboo 需要 CMake 2.6 以上版本;
posted on 2012-06-09 16:40  lexus 阅读( ...) 评论( ...) 编辑 收藏

转载于:https://www.cnblogs.com/lexus/archive/2012/06/09/2543291.html

 类似资料: