上一篇中我們對TrieTree服務有了一個整體的了解,不知道大家下載完之後有沒有真正玩過這個TrieTree服務,如果你還沒有玩過,沒關系,本文將一步步教你配置和使用TrieTree服務。
TrieTree服務由幾大組件組成,如下圖
Dictionary組件是核心庫,主要提供基本數據定義、配置信息定義,數據結構表示,同時也提供了POSType(參考Pangu的Part of Speech定義)。由於TrieTree是利用內存來加載數據的,所以這個組件的設計直接決定了內存的占用大小和數據查詢性能。Dictionary.Providers組件主要負責提供各種自定義數據提供者(DataProvider),你可以把它理解為字典數據的加載器,例如自帶的PanguDictProviders就是負責加載盤古自己的dict格式的字典。TrieTree服務的加載器是高度可配置的,你可以通過配置文件來選擇你需要使用的加載器,如下所示:
復制代碼 代碼如下:
<dictionaryService>
<provider name="pangu_dict" uri="F:\Dropbox\research\NLP\TrieTreeService\DictionaryService.UnitTest\Data\panguDict.dct" type="BluePrint.Dictionary.Providers.PanguDictProvider, BluePrint.Dictionary.Providers" />
<provider name="IKdict" uri="F:\Dropbox\research\NLP\TrieTreeService\DictionaryService.UnitTest\Data\IKdict.dic" type="BluePrint.Dictionary.Providers.TxtFileProvider, BluePrint.Dictionary.Providers"/>
</dictionaryService>
上面這個配置選擇了2個加載器,分別是PanguDictProvider、TxtFileProvider(純文本格式加載器,你可以理解為.csv字典加載器),這裡的TxtFileProvider是用來加載IKAnalyzer中的IKdict.dic文件的。在服務啟動後(調試模式)你會看到類似的提示:
TrieTree中由於使用了log4net的ColoredConsoleAppender,所以能夠顯示不同顏色的提示信息。你會看到日志中有pangu_dict和IKdict的加載時間,這裡的名字是由app.config中的provider的name屬性設置的。其實TrieTree也是支持加載基於MongoDB的字典的,只是由於牽扯到相對復雜的MongoDB的配置和一些概念,就不在本文中講解了,我會考慮在之後的教程中提供。
DictionaryService組件是TrieTree服務的容器組件,主要包含了Windows服務的實現,還有Windows服務的安裝器。這個組件是一個控制台程序,它為用戶提供了兩種運行模式——調試模式和Service模式。調試模式就是直接運行控制台,提供基於log4net的日志信息,方便調試和斷點;而Service模式是直接運行為一個Windows服務,主要用於測試與生產環境。由於是控制台程序,切換模式是通過參數完成的,例如-i 表示安裝windows服務,-u表示卸載windows服務, -c表示啟動控制台模式。
以上便是TrieTree服務的三大核心組件,但我還打算介紹一個非常實用的附加組件DictionaryQuery。
雖然名字也叫查詢分析器,但其實和SQL的查詢分析器不是一個級別的,你不用去比較,沒啥意思。這東西主要是兩個作用,第一,測試TrieTree服務的運行情況;第二,檢查加載字典後字典中的詞的狀態。你也可以用右側的POS過濾器進行篩選,多選表示或的關系,比如你選擇了地名和人名,你搜索“上海”,結果是“上海, 頻率:251, 類型:地名(A_NS)”,如果找不到的話會顯示紅色的“未找到合適詞”,如下所示。
你還可以選擇匹配的方式,即最大正向匹配、最大反向匹配和完全匹配,這個就不用我多解釋了吧。對了,運行這玩意之前字典服務必須打開,且你要指向你配置的TrieTree服務的端口,默認是7010,圖中配置的是dict://127.0.0.1:7010,注意字典服務的URI是以dict://開頭的。