摘要：
pyhanlp用户自定义词典添加实例说明 pyhanlp是python版封装的的HanLP，项目地址：https://github.com/hankcs/pyhanlp 经过测试，HanLP比nltk在中文分词和实体识别方面都更好用. 如何向pyhanlp添加自定义的词典？以python 2.7.9 阅读全文
posted @ 2018-12-17 10:45 左手中倒影 阅读(1170) 评论(0) 推荐(0) 编辑
摘要：
前几天看了大快的举办的大数据论坛峰会的现场直播，惊喜的是hanlp2.0版本发布。Hanlp2.0版本将会支持任意多的语种，感觉还是挺好的！不过更多关于hanlp2.0的信息，可能还需要过一段时间才能看到，只能等一下了！下面分享一篇大神的文章，是关于在ubuntu下使用pycharm调用hanlp的实验。 阅读全文
posted @ 2018-12-14 09:11 左手中倒影 阅读(458) 评论(0) 推荐(0) 编辑
摘要：
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、音译人名、日本人名、地名、实体机构名识别），关键词提取 阅读全文
posted @ 2018-12-12 15:47 左手中倒影 阅读(325) 评论(0) 推荐(0) 编辑
摘要：
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=50938796 不过该博客主要介绍的是windows如何使 阅读全文
posted @ 2018-12-10 10:00 左手中倒影 阅读(153) 评论(0) 推荐(0) 编辑
摘要：
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来开启自然语言处理之旅，每个工具包都是一个非常强大的算法集合 阅读全文
posted @ 2018-12-07 10:13 左手中倒影 阅读(914) 评论(0) 推荐(0) 编辑
摘要：
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： 词性标注 层叠HMM-Viterbi 阅读全文
posted @ 2018-12-05 09:54 左手中倒影 阅读(288) 评论(0) 推荐(0) 编辑
摘要：
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，并基于这两个数组实现词共现频率的二分查找。当已经有缓存bin文件时，那直接读取构建start和pair数组，速度超快。 阅读全文
posted @ 2018-12-03 09:53 左手中倒影 阅读(214) 评论(0) 推荐(0) 编辑
摘要：
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、mmseg4j 分词器 4、ik-analyzer 分词器 阅读全文
posted @ 2018-11-30 11:00 左手中倒影 阅读(229) 评论(0) 推荐(0) 编辑
摘要：
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.properties: 2 #本配置文件中的路径的根目录 3 #root=E:/SourceC 阅读全文
posted @ 2018-11-30 10:59 左手中倒影 阅读(3078) 评论(0) 推荐(0) 编辑