Hanlp自然语言处理工具的使用演练

楼主^#

更多发布于：2018-09-19 13:11

[] 1


	hanlp是由一系列模型与算法组成的工具包，目标是普及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、架构清洗、语料时新、可自定义的特点；提供词法分析（中文分词、磁性标注、命名实体识别）、句法分析、文本分类和情感分析等功能。本篇将用户输入的语句根据词库进行分词、关键词提取、摘要提取、词库维护。工具类名称：DKNLPBase 1、标准分词方法签名：List<Term> StandardTokenizer.segment(String txt); 返回：分词列表。签名参数说明：txt:要分词的语句。范例：下例验证一段话第5个分词是阿法狗。程序清单1 public void testSegment() throws Exception { String text = "商品和服务"; List<Term> termList = DKNLPBase.segment(text); assertEquals("商品", termList.get(0).word); assertEquals("和", termList.get(1).word); assertEquals("服务", termList.get(2).word); text = "柯杰解说“李世石VS阿法狗第二局” 结局竟是这样"; termList = DKNLPBase.segment(text); assertEquals("阿法狗", termList.get(5).word); // 能够识别"阿法狗" } 2、关键词提取方法签名：List<String> extractKeyword(String txt,int keySum); 返回：关键词列表. 签名参数说明：txt:要提取关键词的语句，keySum要提取关键词的数量范例：给出一段话提取一个关键词是“程序员”。程序清单2 public void testExtractKeyword() throws Exception { 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<String> keyword = DKNLPBase.extractKeyword(content, 1); assertEquals(1, keyword.size()); assertEquals("程序员", keyword.get(0)); }