共计 3621 个字符,预计需要花费 10 分钟才能阅读完成。
这篇文章主要介绍了 HanLP 自然语言处理包如何安装与使用,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让丸趣 TV 小编带着大家一起了解一下。
HanLP 是由一系列模型与算法组成的 Java 工具包,目标是促进自然语言处理在生产环境中的应用。HanLP 具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。
HanLP 能提供以下功能:关键词提取、短语提取、繁体转简体、简体转繁体、分词、词性标注、拼音转换、自动摘要、命名实体识别(地名、机构名等)、文本推荐等功能,详细请参见以下链接:http://www.hankcs.com/nlp/hanlp.html
HanLP 下载地址:
https://github.com/hankcs/HanLP/releases,HanLP 项目主页:
https://github.com/hankcs/HanLP
1、HanLP 安装
hanlp 是由 jar 包、properties 文件和 data 数据模型组成,因此,在安装时,这三种文件都应该有。可以通过建立 java 工程即可运行。
hanlp.properties 文件中描述了不同词典的相对路径以及 root 根目录,因此,可以在此文件中修改其路径。
hanlp-1.3.4.jar 包中包含了各种算法及提取方法的 api,大部分方法都是静态的,可以通过 HanLP 直接进行调用,因此,使用非常方便。
data 文件夹中包含了 dictionary 和 model 文件夹,dictionary 中主要是各种类型的词典,model 主要是分析模型,hanlp api 中的算法需要使用 model 中的数据模型。
2、HanLP 的使用
普通 java 工程目录如下所示:
3、HanLP 的具体使用
例如:对 excel 中的聊天记录字段进行热点词的提取,计算并排序,功能如下所示
package com.run.hanlp.demo;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import org.apache.log4j.Logger;
import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.seg.common.Term;
import com.hankcs.hanlp.suggest.Suggester;
import com.hankcs.hanlp.summary.TextRankKeyword;
import com.hankcs.hanlp.tokenizer.NLPTokenizer;
import com.hankcs.hanlp.tokenizer.StandardTokenizer;
import com.run.util.ExcelUtil;
public class HanlpTest {
public static final Logger log = Logger.getLogger(HanlpTest.class);
public static void main(String[] args) {
log.info(关键词提取:
HanlpTest.getWordAndFrequency();
}
/**
* 获取所有关键词和频率
*/
public static void getWordAndFrequency() {
// String content =
// 程序员(英文 Programmer) 是从事程序开发、维护的专业人员。一般将程序员分为程序设计人员和程序编码人员,但两者的界限并不非常清楚,特别是在中国。软件从业人员分为初级程序员、高级程序员、系统分析员和项目经理四大类。
List Map String, Integer content = ExcelUtil.readExcelByField(i:/rundata/excelinput ,5000,5);
Map String, Integer allKeyWords=new HashMap ();
for(int i=0;i content.size();i++){
Map String, Integer oneMap=content.get(i);
for(String str:oneMap.keySet()){
int count = oneMap.get(str);
CombinerKeyNum(str,count,allKeyWords);
}
}
List Map.Entry String,Integer sortedMap=sortMapByValue(allKeyWords);
log.info(sortedMap);
}
/**
*
* @param allKeyWords 需要进行排序的 map
* @return 返回排序后的 list
*/
public static List Map.Entry String,Integer sortMapByValue(Map String,Integer allKeyWords){
List Map.Entry String,Integer sortList=new ArrayList (allKeyWords.entrySet());
Collections.sort(sortList, new Comparator Map.Entry String, Integer () {
public int compare(Map.Entry String, Integer o1, Map.Entry String, Integer o2) {
return (o2.getValue() – o1.getValue());
}
});
return sortList;
}
/**
*
* @param key 关键词变量
* @param value 关键词词频变量
* @param allKeyWords 存放关键词和词频的 map
*/
public static void CombinerKeyNum(String key,int value,Map String,Integer allKeyWords){
if(allKeyWords.containsKey(key)){
int count=allKeyWords.get(key);
count+=value;
allKeyWords.put(key, count);
}else{
allKeyWords.put(key, value);
}
}
/**
*
* @param content 需要提取关键词的字符串变量
* @return 返回关键词以及关键词词频数的 map
*
*/
public static HashMap String, Integer getKeyWordMap(String content) {
List Term list = StandardTokenizer.SEGMENT.seg(content);
TextRankKeyword textmap = new TextRankKeyword();
Map String, Float map = textmap.getTermAndRank(content);
Map String, Integer mapCount = new HashMap ();
for (String str : map.keySet()) {
String keyStr = str;
int count = 0;
for (int i = 0; i list.size(); i++) {
if (keyStr.equals(list.get(i).word)) {
count++;
}
}
mapCount.put(keyStr, Integer.valueOf(count));
}
// log.info(mapCount);
return (HashMap String, Integer) mapCount;
}
}
运行之后,结果如下:
由此可见,可以看见从 excel 中提取出来的热点词汇及其频率。
感谢你能够认真阅读完这篇文章,希望丸趣 TV 小编分享的“HanLP 自然语言处理包如何安装与使用”这篇文章对大家有帮助,同时也希望大家多多支持丸趣 TV,关注丸趣 TV 行业资讯频道,更多相关知识等着你来学习!