最近在研究中文分词及自然语言相关的内容，关注到JAVA环境下的HanLP，HanLP是一个致力于向生产环境普及NLP技术的开源Java工具包，支持中文分词（N-最短路分词、CRF分词、索引分词、用户自定义词典、词性标注），命名实体识别（中国人名、...
-
hadoop小学生： 在Python中调用Java扩展包HanLP测试记录
2018-12-12 16:35 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 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
-
hadoop小学生： Spark应用HanLP对中文语料进行文本挖掘--聚类详解教程
软件：IDEA2014、Maven、HanLP、JDK； 用到的知识：HanLP、Spark TF-IDF、Spark kmeans、Spark mapPartition; 用到的数据集：http://www.threedweb.cn/threa...2018-11-12 11:24 来自版块 - 网络技术
-
hadoop小学生： HanLP用户自定义词典源码分析详解
1. 官方文档及参考链接 l 关于词典问题Issue，首先参考：FAQ l 自定义词典其实是基于规则的分词，它的用法参考这个issue l 如果有些数量词、字母词需要分词，可参考:P2P和C2C这种词没有分出来，希望加到主词库 l 关于词性标...2018-11-02 11:07 来自版块 - 网络技术
