...现分词，但是通过scws_get_top5()方法获取数据的时候(字母+数字大于等于3个的时候也会返回)。求过滤方案。 $sh = scws_open(); scws_set_charset($sh, 'utf8'); scws_set_dict($sh, './dict.txt', SCWS_XDICT_TXT); scws_set_rule($sh, './rules.ini');//文件内容为空 ...
这个是最新一期的更新修改的，当数字、字母连续3个以上时就不作为混杂元素了，会将它们切开。 起初是因为 iso9001 没有切词导致搜索 iso 或 9001均搜索不到
... 六灯夜视D502 这样的名称 也只能分出 中文， 英文和数字没有被分出来，是为什么？请教高手。 我用的是SCWS 扩展 PHP 5.2.x 版二进制文件！
...用范围似乎特别的窄…… 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...
...， 我定义了个词库，可是一用这个词库，就分不出来，数字和英文除外。 比如我定义“南瓜汤”，“番茄汤”作为一个词库，(测试用的，只放2个词在词库)， 然后对这句话进行分词“我爱喝南瓜汤，番茄汤”进行分词， 希...
1， 当英文或数字与汉字链接时，词性会被视为un。如"LG集团"，LG与集团紧连着，这种情况下，我希望把LG也视为en。能不能通过修改rules改变呢？因为我不是太理解un指的是什么，好像助词'的'、标点符号等都被视为un。我在插入...
...词性为 en 而不是原来的 un 导致清除符号时消失. 2.调整将数字后面的独立 % 纳入整词作为百分比，如 33.3% 作为整词而不再是 33.3 和 % 3.修改连字符(-)和下划线(_)的规则，当出现在字母单词之间时视为同一词而不再强行切开，此时...
...= none cutlen = 0 weight = 0 phrase = no non_bool = no [hash_64];纯数字的图片hash值 长度是固定的64位整数 非唯一 但相同的值比较多 type = string;应该不能用numeric类型吧？ index = self tokenizer = none;要实现匹配一个64位数值是完全相等的 不...
通常英文是不需要分词的，但很多时候词性是需要的，比如nike，dior这类品牌英文。 目前默认词性都是en，有什么办法可否自定义词典来改变他的词性。 还有个问题，就是纯数字的词性为什么是en呢，不是m? 望赐教。