読者です 読者をやめる 読者になる 読者になる

Drafts

@cm3 の草稿置場 / 少々Wikiっぽく使っているので中身は適宜追記修正されます。

Solr5 で 日本語 を扱う

3つの選択肢があるようだ、kuromoji を使ってみようと思う。具体的な使い方は後程追記。

  • CJKAnalyzer で bigram モデル。一文字のクエリが扱えない。未知語に強い。速い。
  • JapaneseAnalyzer で lucene-gosen を使う。形態素解析するので bigram と逆の特徴。
  • JapaneseAnalyzer で kuromoji を使う。lucene-gosen との違いは、便利な search モード。文の解析で「関西国際空港」は一語として扱ってほしいが、検索では「空港」でも引っ掛かってほしいと思うでしょ?この日本語の合成語的な側面に長さをコストと見做すことで対応するモードを備えていたり、未知語に対して unigram を適用する(拡張 search モード)などがある。

参考: