就一条记录怎么会有4M？如果文件 已存在生成是不会覆盖的啊 你描述的并不是很清楚，你用的是PHP的工具还是C的转换工具呢？一个.TXT对应转换成一个.XDB
最长的词16个汉字，250个英文字母。 应该是你的词典做错了，比如字符集不匹配之类。生成词典要严格按照字段区分开，字段之间用区分，这说都有相关的说明，按说明操作应当没有问题。
[quote='hightman' pid='3485' dateline='1270715102'] 自定义可以的，但要用工具 转成XDB的话必须四个字段都齐全。 [/quote] 谢谢老大回答，再问一下，那我其它的属性如何才能得到，比如我的word很多，我能都设置一样的属性吗，这样有什...
我刚才用统一的词性生成了一个词典，但同一个文件， 生成的大小怎么不同呢， 第一次： 积分 20.0 20.0 @ 中间我是用一个空格格开的，生成后有4M， 第二次： 积分 20.0 20.0 @ 用的是原dict.xdb导出txt后的格式，生成后有10M， ...
那个属性对分词效果有一定影响的，TF主要用于词的切分，IDF用于统计，词性就用在取TOP时过滤或标注上。 最好是基于现有的词典去补充，你重建一个的话数据又都没有效果可能会比较差。SCWS主页上有一个TF/IDF计算器，你可...
哦，我没有说清楚，我用的是PHP版的，是一个词典文件，生成两次XDB，每次里面的分格符不同，上面说的。 我还有就是刚才我试了，我用我自定义的词生成词典，用scws_set_dict添加我的词典后（词典中的word TF IDF 都很高的，记...
呃确实存在，这都跟这个词库有关系，是互联网上整理的词库，像“法上”居然是专有名词而且权重很高。。。 可以考虑删除“法上”这个错误的词，外挂一个文本词典把“法上”标记为删除或设成更低权重及词性