elasticsearch-analysis-hao主要参考了 IK 和 HanLP 其中有的源码是直接搬运的。 相比IK，比IK更智能，更准确，更快。 相比HanLp，比HanLP更轻量，分词更可控，没有一些智能的预测功能，并且HanLP也没有官方的ES插件。
主要是IK ik_max_word是穷举所有可能词，导致搜索一些不相关的也会被搜到。
任性冲动过分词结果居然有任性 性冲动 动过,那么搜性冲动就会把这个doc搜索到。
南京市长江大桥，结果是南京市 市长 长江大桥，那么搜市长会把这个doc搜索到。 把HanLP的 DijkstraSegment抄了过来，同时做了一些优化。
根据词频计算最短路，穷举出可能的词，而不是所有的词，如果穷举的词不对，可以调词频来纠正。
支持emoji。
支持元词，比如俄罗斯不会再拆分成俄和罗斯（罗斯是常用人名）。这样搜罗斯就不会把俄罗斯相关文档召回
不支持词性
主要是IK ik_max_word是穷举所有可能词，导致搜索一些不相关的也会被搜到。
任性冲动过分词结果居然有任性 性冲动 动过,那么搜性冲动就会把这个doc搜索到。
南京市长江大桥，结果是南京市 市长 长江大桥，那么搜市长会把这个doc搜索到。 把HanLP的 DijkstraSegment抄了过来，同时做了一些优化。
根据词频计算最短路，穷举出可能的词，而不是所有的词，如果穷举的词不对，可以调词频来纠正。
支持emoji。
支持元词，比如俄罗斯不会再拆分成俄和罗斯（罗斯是常用人名）。这样搜罗斯就不会把俄罗斯相关文档召回
不支持词性
2 个回复
leoboneking - 90后IT男
赞同来自:
BKing - Double non. Open source software and dreamer (English Français Japanese Korean ) learners
赞同来自: