灵宝网站建设商河做网站公司
1 概述
HanLP是一个自然语言处理工具包，它提供的主要功能如下：
- 分词
- 转化为拼音
- 繁转简、简转繁
- 提取关键词
- 提取短语
- 提取词语
- 自动摘要
- 依存文法分析
下面将介绍其分词功能的使用。
2 依赖
下面是依赖的jar包。
<dependency><groupId>com.hankcs</groupId><artifactId>hanlp</artifactId><version>portable-1.7.8</version>
</dependency>3 使用
下面demo是往HanLP词典中加入自定义的词和词性。将“国家森林公园”的词性定义为“myCustomWord”。
public static void main(String[] args) {// 往HanLP词典中加入自定义的词和词性CustomDictionary.insert("国家森林公园", "myCustomWord 1");List<Term> termList = HanLP.segment("你好，欢迎来到美丽的大兴安岭国家森林公园");System.out.println(JSON.toJSONString(termList));
}分词结果如下：
4 注意事项
- 通过api接口自定义hanlp词典或者自定义词典文件，可以对同一个词设置多个词性；
- 但即使对同一个词设置了多个词性，根据HanLP的模型特征，分词时也只会返回其中一个词性，不会返回多个词性。
- 另外即使hanlp词典中有多个类似词，分词时也只会返回文本相近词中的一个词。
4.1 一个词只会返回一个词性
举例如下，给“国家森林公园” 定义两个词性，分别为：“myCustomWord”，“myCustomWord_new”。但是切词后，对于“国家森林公园”，只返回了一个词性“myCustomWord_new”。
public static void main(String[] args) {// 往HanLP词典中加入自定义的词和词性，一个词设置多个词性CustomDictionary.insert("国家森林公园", "myCustomWord_new 1 myCustomWord 1");List<Term> termList = HanLP.segment("你好，欢迎来到美丽的大兴安岭国家森林公园");System.out.println(JSON.toJSONString(termList));
}
切词后结果如下所示：
4.2 只返回文本相近词中的一个词
案例如下，分词后，只会获取到“国家森林公园”，而没有“森林公园”。
public static void main(String[] args) {test1();}private static void test1() {// 往HanLP词典中加入自定义的词和词性CustomDictionary.insert("国家森林公园", "myCustomWord 1");CustomDictionary.insert("森林公园", "myCustomWord_common 1");List<Term> termList = HanLP.segment("你好，欢迎来到美丽的大兴安岭国家森林公园");System.out.println(JSON.toJSONString(termList));}分词后的结果如下所示：
5 参考文献
（1）Hanlp基本使用-CSDN博客