https://github.com/medcl/elasticsearch-rtf
這是國內(nèi)大神擴(kuò)的es的發(fā)行版本，目前是5.1.1，目前看來是不需要安裝中文分詞，但好像ik也不難安裝。當(dāng)然有個(gè)過程。然后官方的一堆插件，其實(shí)沒太看懂。當(dāng)然可以不用。

【中文分詞】https://github.com/medcl/elasticsearch-analysis-ik

直接解壓到es/plugins/ik里就行。目前版本是5.4.2（發(fā)現(xiàn)RTF也是他搞的，呵呵，那怎么版本不同步）

【dev tool】kibana下載直接啟動(dòng)即可，也是官方的。

【索引可視化查詢】https://github.com/mobz/elasticsearch-head，這個(gè)也是下載，進(jìn)入目錄，但是基于node.js的

需要npm install/npm run start,那就是也需要node.js的運(yùn)行環(huán)境，呵呵。

start后運(yùn)行在localhost:9100端口。其實(shí)這是一個(gè)獨(dú)立服務(wù)器，可以遠(yuǎn)程連接

在es的config/*.yml文件下添加這兩行即可。教程中后面的兩句本來就是默認(rèn)了。（https://my.oschina.net/kittyMan/blog/387512?p=1）

http.cors.enabled: true

http.cors.allow-origin: "*"

【kibana也是可視化，怎么變成一個(gè)dev tools?】這個(gè)也是下載開箱即可。但怎么只有x86的版本。

測了一下中文分詞沒有問題。

GET _analyze

{

"analyzer": "ik_max_word"

, "text": "批處理調(diào)用多個(gè)批處理文件_百度知道"

}

https://github.com/elastic/elasticsearch-dsl-py

這也是個(gè)神器啊，可以從dsl中解放出來。

pip install elasticsearch-dsl，直接安裝。

==================================================

不要因?yàn)槁愤h(yuǎn)，就忘了為何出發(fā)。

讓機(jī)器理解NLP去理解這個(gè)世界，提升效率。

首先中文最大的根源問題，就是分詞。jieba沒有去停止詞的功能，不應(yīng)該呀，它的詞庫里有stopwords-list吧。先不管了，網(wǎng)上找了一份。效果還行。

http://blog.csdn.net/u010533386/article/details/51458591

分詞之后，要做機(jī)器學(xué)習(xí)，肯定需要把文檔變成詞向量。詞袋模式，不考慮位置關(guān)系，肯定是落后的。用當(dāng)下比較流行的word2vec。

國內(nèi)一些語料庫不太靠譜，要不下載不了，要不讀不了。莫名其炒的問題。用wiki吧。中英文都有。主要是有成熟的方案。