hadoop小学生： Hanlp在ubuntu中的使用方法介绍

HanLP的一个很大的好处是离线开源工具包，换而言之，它不仅提供免费的代码免费下载，而且将辛苦收集的词典也对外公开啦，此诚乃一大无私之举．我在安装的时候，主要参照这份博客： blog.csdn.net/article/details?id=509...

2018-12-10 14:06 来自版块 - 网络技术

hadoop小学生： 配置Hanlp自然语言处理进阶

中文分词 中文分词中有众多分词工具，如结巴、hanlp、盘古分词器、庖丁解牛分词等；其中庖丁解牛分词仅仅支持java，分词是HanLP最基础的功能，HanLP实现了许多种分词算法，每个分词器都支持特定的配置。接下来我将介绍如何配置Hanlp来开启自...

2018-12-07 11:55 来自版块 - 网络技术

hadoop小学生： HanLP中人名识别分析详解

在看源码之前，先看几遍论文《基于角色标注的中国人名自动识别研究》 关于命名识别的一些问题，可参考下列一些issue: l ·名字识别的问题 #387 l ·机构名识别错误 l ·关于层叠HMM中文实体识别的过程 HanLP参考博客： 词性...

2018-12-05 10:54 来自版块 - 网络技术

hadoop小学生： HanLP二元核心词典详细解析

本文分析：HanLP版本1.5.3中二元核心词典的存储与查找。当词典文件没有被缓存时，会从文本文件CoreNatureDictionary.ngram.txt中解析出来存储到TreeMap中，然后构造start和pair数组，并基于这两个数组...

2018-12-03 10:40 来自版块 - 网络技术

hadoop小学生： hanlp中文智能分词自动识别文字提取实例

需求：客户给销售员自己的个人信息，销售帮助客户下单，此过程需要销售人员手动复制粘贴收获地址，电话，姓名等等，一个智能的分词系统可以让销售人员一键识别以上各种信息 经过调研，找到了一下开源项目 1、word 分词器 2、ansj 分词器 3...

2018-11-30 13:54 来自版块 - 网络技术

hadoop小学生： Hanlp在java中文分词中的使用介绍

项目结构 该项目中，.jar和data文件夹和.properties需要从官网/github下载，data文件夹下载 项目配置 修改hanlp.properties: 1 #/Test/src/hanlp.propertie...

2018-11-30 13:52 来自版块 - 网络技术

hadoop小学生： 目前常用的自然语言处理开源项目/开发包大汇总

中文主要有：NLTK，FoolNLTK，HanLP（java版本），pyhanlp（python版本），Ansj，THULAC，结巴分词，FNLP，哈工大LTP，中科院ICTCLAS分词，GATE，SnowNLP，东北大学NiuTrans，NLPIR...

2018-11-26 10:50 来自版块 - 网络技术

hadoop小学生： pyhanlp 文本聚类详细介绍

文本聚类 文本聚类简单点的来说就是将文本视作一个样本，在其上面进行聚类操作。但是与我们机器学习中常用的聚类操作不同之处在于。 我们的聚类对象不是直接的文本本身，而是文本提取出来的特征。因此如何提取特征因而是非常重要的一步。在HanLP中一...

2018-11-23 10:04 来自版块 - 网络技术

hadoop小学生： Spring Boot中对自然语言处理工具包hanlp的调用详解

概 述 HanLP 是基于 Java开发的 NLP工具包，由一系列模型与算法组成，目标是普及自然语言处理在生产环境中的应用。而且 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，因此十分好上手，本文就结合 Spring Boo...

2018-11-21 11:39 来自版块 - 网络技术

hadoop小学生： pyhanlp 停用词与用户自定义词典功能详解

hanlp的词典模式 之前我们看了hanlp的词性标注，现在我们就要使用自定义词典与停用词功能了，首先关于HanLP的词性标注方式具体请看HanLP词性标注集。 其核心词典形式如下： 自定义词典 自定义词典有多种添加模式，首先是展示的...

2018-11-16 10:29 来自版块 - 网络技术