下面給大家介紹一下如何打造自己的coreseek分詞詞庫。 coreseek自身帶的詞庫不是很大，直接使用它分詞可能會返回大量沒用結果。要想搜尋結果準確打造一個專門的分詞 詞庫必不可少。

i. 首先到搜狗http://pinyin#sogou#com/dict/下載你要的詞庫

ii. 因為下載回來的詞庫不是文字檔案我們不能直接使用，所以要先轉換成文字檔案。網上找一個搜狗轉 google的小工具，用它把你下載的全部詞庫轉成文字檔案。合併為一個檔案命名為words.txt。檔案要用utf8編碼 儲存，如果想直接使用我下面的工具進行轉換的話檔名一定要是words.txt。如果你想自己轉換請參考官網上的方 法http://www#coreseek#cn/opensource/mmseg/

iii. 現在我們有了一個初步的詞庫，但這個詞庫還不能直接使用，要再整理並轉換coreseek使用的格式才行。 這裡我提供一個自己編寫的小程式方便轉換。 源程式如下：

使用方法如下：

1. 把words.txt,轉換工具words_format.php及c:\coreseek\etc\unigram.txt三個檔案放到能執行php的 伺服器同一個目錄下.

2. 然後訪問words_format.php .

3. 等待程式執行完，時間長短要看你詞的多少，太多的話中間可能假死。執行完後會在相同目錄下生產 words_new.txt把這個檔案加到原unigram.txt的後面，儲存備用.

4. 把上面得到的檔案unigram.txt複製到C:\coreseek\bin然後在命令列下進入目錄C:\coreseek\bin 執行 mmseg -u unigram.txt 該命令執行後，將會在unigram.txt所在目錄中產生一個名為unigram.txt.uni的檔案 ，將該檔案改名為uni.lib，完成詞典的構造。

5. 測試新詞庫能否正解分詞。在C:\coreseek\bin下新建文字檔案test.txt。輸入要測試的關鍵詞。 例如:四季服裝網中大面料輔料，然後儲存。當中一定要包含你新加進詞庫的某個關鍵詞。例如四季服裝網是我新加的 關鍵詞。然後在剛才的命令列下執行mmseg -d C:\coreseek\bin test.txt>result.txt .執行完後開啟新生產 的結果檔案result.txt .如果看到分詞結果類似四季服裝網/x 中大/x 面料/x 輔料/x 的話證明詞庫已正確生成， 如果看到新關鍵詞被分切開如: 四/x 季/x 服/x 裝/x網/x 中大/x 面料/x 輔料/x的話就說明新的詞庫並不正確。 要檢查一下哪裡出錯了，重新生產。

6. 再把得到的uni.lib複製到C:\coreseek\etc覆蓋原檔案就大功告成了