如何安装elasticsearch中文切词插件hanlp

53次阅读
没有评论

共计 3878 个字符,预计需要花费 10 分钟才能阅读完成。

这篇文章主要介绍如何安装 elasticsearch 中文切词插件 hanlp,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!

hanlp 好处的, 就是它的 data 字典比较齐全.

github 上有国人写 hanlp 支持 es 的插件

https://github.com/pengcong90/elasticsearch-analysis-hanlp

下载它的安装
release

下载发现解压按它的安装要求总找不到 hanlp.properties 文件

将源码 git 下来, 发现路径有问题.

package org.elasticsearch.index.analysis;import com.hankcs.hanlp.HanLP;import com.hankcs.hanlp.utility.Predefine;import com.hankcs.lucene4.HanLPIndexAnalyzer;import org.elasticsearch.common.inject.Inject;import org.elasticsearch.common.inject.assistedinject.Assisted;import org.elasticsearch.common.settings.Settings;import org.elasticsearch.env.Environment;import org.elasticsearch.index.IndexSettings;/**
 */public class HanLPAnalyzerProvider extends AbstractIndexAnalyzerProvider HanLPIndexAnalyzer  { private final HanLPIndexAnalyzer analyzer; private static String sysPath = String.valueOf(System.getProperties().get(user.dir)); @Inject
 public HanLPAnalyzerProvider(IndexSettings indexSettings, Environment env, @Assisted String name, @Assisted Settings settings) { super(indexSettings, name, settings); // 原来路径
 //Predefine.HANLP_PROPERTIES_PATH = sysPath.substring(0, sysPath.length()-4) +  /plugins/analysis-hanlp/hanlp.properties 
 // 修改后正确路径
 Predefine.HANLP_PROPERTIES_PATH = sysPath +  /plugins/analysis-hanlp/hanlp.properties 
 analyzer = new HanLPIndexAnalyzer(true);
 }
 public static HanLPAnalyzerProvider getIndexAnalyzerProvider(IndexSettings indexSettings, Environment env, String name, Settings settings) { return new HanLPAnalyzerProvider(indexSettings, env, name, settings);
 }
 public static HanLPAnalyzerProvider getSmartAnalyzerProvider(IndexSettings indexSettings, Environment env, String name, Settings settings) { return new HanLPAnalyzerProvider(indexSettings, env, name, settings);
 } @Override
 public HanLPIndexAnalyzer get() { return this.analyzer;
 }
}

因为它的 hanlp 版本是 1.2.8, 最新版本是 1.5.4 
修改 pom.xml 为

  dependency 
  groupId com.hankcs /groupId 
  artifactId hanlp /artifactId 
  version portable-1.5.4 /version 
  !-- systemPath ${pom.basedir}/lib/hanlp-1.2.8.jar /systemPath -- 
  !-- scope system /scope -- 
  /dependency

打包编译

在 $ES_HOME 下 /plugins 建立 analysis-hanlp 文件  
目录下结构为  

hanlp.properties 属性 (可以直接从
https://github.com/hankcs/HanLP
  的 realease 下载修改 root 路径就行了 )

#本配置文件中的路径的根目录,根目录 + 其他路径 = 完整路径(支持相对路径,请参考:https://github.com/hankcs/HanLP/pull/254)#Windows 用户请注意,路径分隔符统一使用 /root=/opt/elasticsearch-5.5.1/plugins/analysis-hanlp#核心词典路径 CoreDictionaryPath=data/dictionary/CoreNatureDictionary.txt#2 元语法词典路径 BiGramDictionaryPath=data/dictionary/CoreNatureDictionary.ngram.txt#停用词词典路径 CoreStopWordDictionaryPath=data/dictionary/stopwords.txt#同义词词典路径 CoreSynonymDictionaryDictionaryPath=data/dictionary/synonym/CoreSynonym.txt#人名词典路径 PersonDictionaryPath=data/dictionary/person/nr.txt#人名词典转移矩阵路径 PersonDictionaryTrPath=data/dictionary/person/nr.tr.txt#繁简词典根目录 tcDictionaryRoot=data/dictionary/tc#自定义词典路径,用; 隔开多个自定义词典,空格开头表示在同一个目录,使用“文件名   词性”形式则表示这个词典的词性默认是该词性。优先级递减。#另外 data/dictionary/custom/CustomDictionary.txt 是个高质量的词库,请不要删除。所有词典统一使用 UTF- 8 编码。CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt;  现代汉语补充词库.txt;  全国地名大全.txt ns;  人名词典.txt;  机构名词典.txt;  上海地名.txt ns;data/dictionary/person/nrf.txt nrf;#CRF 分词模型路径 CRFSegmentModelPath=data/model/segment/CRFSegmentModel.txt#HMM 分词模型 HMMSegmentModelPath=data/model/segment/HMMSegmentModel.bin#分词结果是否展示词性 ShowTermNature=true#IO 适配器,实现 com.hankcs.hanlp.corpus.io.IIOAdapter 接口以在不同的平台(Hadoop、Redis 等)上运行 HanLP# 默认的 IO 适配器如下,该适配器是基于普通文件系统的。#IOAdapter=com.hankcs.hanlp.corpus.io.FileIOAdapter

plugin-descriptor.properties 和 plugin-security.policy 属性按  
elasticsearch-analysis-hanlp
的 release 包属性修改.

修改 ES 启动, 并启动

vim /opt/elasticsearch-5.5.1config/jvm.options # 新增 -Djava.security.policy=/opt/elasticsearch-5.5.1/plugins/analysis-hanlp/plugin-security.policy

测试安装成功否命令

GET /_analyze?analyzer=hanlp-index pretty=true { 
 text : 公安部:各地校车将享最高路权  }

data 字典文件从
https://github.com/hankcs/HanLP/releases
  下载, 解压就行了.

以上是“如何安装 elasticsearch 中文切词插件 hanlp”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注丸趣 TV 行业资讯频道!

正文完
 
丸趣
版权声明:本站原创文章,由 丸趣 2023-07-20发表,共计3878字。
转载说明:除特殊说明外本站除技术相关以外文章皆由网络搜集发布,转载请注明出处。
评论(没有评论)