如果只要文章中有Linux出现就算是Linux相关文章的话，其实是不需要分词了，直接用全文搜索Linux就好了。 只是SCWS目前看前来它的自定义词典不支持超过3个字，如果可以的话，可以通过自定义“Linux优化”来指定分词
...似乎特别的窄…… 对于一个页面来说，通常含有数字、英文、英文标点、中文标点、中文等文字要素（可阅读部分，HTML已过滤），视情况而定，搜索引擎还有可能抓出含有乱码的片段。 但是SCWS分词时似乎要求字符串中只能有...
我在自己的网站上使用scws做分词，当文章中有类似PC-BSD之类有连字符的英文词时，都分成类“PC - BSD”，但这是个软件名，本不应分开，英文中加-号的一般都视为一个词，按理说不应分开的，有什么方法解决吗？
scws分词不正确的情况 1、中文夹杂连续两个以上英文或数字（例如：程jj序ii员e 正常，程jjj序ii员e 不正常） 2、英文数字组合中，同时含有连续一个以上英文或数字的组合（例如：w1156k 正常，w16ky不正常） 3、含有任意一个...
[quote='hightman' pid='1078' dateline='1346301119'] 支持是支持的，但数字字母最多只支持2位。 你说的情况其实切分成“斯巴鲁+WRX”并不会有多大问题吧。 像 Q币 QQ空间 这样的都是可以支持成词的。 [/quote] 感谢hightman 的回复。 ...
建议支持词库里的词可以是纯英文单词，虽然在分词时英文单词可以自动识别切分开，但在关键词提取和非法词过滤时却无法提取出或过滤掉纯英文单词。 比如：我要从一些商品名中提取一些品牌：adidas nike。。。对商品名分词...
...究了一下源代码，最终功夫不负有心人，成功的避过了中英文混合，使用字典中的词语分词，我用的是 scws-1.2.1.tar.bz2 这个版本，因为不能发附件，如果大家需要联系我： Email: shuyinglee@126.com[hr] 使用方法： 1.To patch tar xfvj sc...
各位达人们，请问xs的英文模糊匹配怎么做？之前好像也有人发过贴，就是类似mysql like的效果，但是没有回复。 我自己曾尝试过几个做法，但都失败了 1. 利用xs自带的scws，这个英文明显是根据空格分词的，所以达不到效果 2...
建议支持词库里的词可以是纯英文单词，虽然在分词时英文单词可以自动识别切分开，但在关键词提取和非法词过滤时却无法提取出或过滤掉纯英文单词。 比如：我要从一些商品名中提取一些品牌：adidas nike。。。对商品名分词...
...，不知道xdb与txt相比，那个效率更高 另外，scws对于中英文分词效果不是很好，即文中的中文分得还可以，但对于页面中的英文部分，包括email,url,host这类处理效果比较差，我们目前采用两个分析器配合使用来达到最好的效果...