coreseek优化

问题前提：

这篇博客是在你已经安装并使用coreseek的前提下，并且在使用过程中发现当前默认的分词效果不佳时作为参考。

解决方案：

1、扩展基本词典

参考：

http://jockchou.github.io/blog/2015/08/24/coreseek-mmseg.html

http://blog.sina.com.cn/s/blog_65c6008f0102wtua.html

http://blog.csdn.net/zp_00000/article/details/51151422

2、建立同义词库

Sphinx搜索一个比较变态的地方就是按最大匹配度搜索的。

比如分词中有江都，江都市，我搜江都市，是搜索不出江都的，同样如果搜索江都，也搜索不出江都市。

此时修改扩充分词库是没法解决问题的，我们需要建立同义词库。同义词库不需要自己填写，是根据分词库生成的。

1. 处理unigram.txt生成同义词库文件

python mmseg-3.2.13源代码/script/build_thesaurus.py unigram.txt > thesaurus.txt

thesaurus.txt文件的格式如下：

南京西路
-南京,西路,

2. 生成同义词词典

mmseg -t thesaurus.txt

3. 将thesaurus.lib放到uni.lib同一目录

4. coreseek索引和搜索时，会自动进行复合分词处理

参考：

http://youngerblue.iteye.com/blog/1513140