汉语言处理包Hanlp的使用

简介:

本来想通过python调用Java实现Hanlp的使用,参考文章:http://t.cn/RUrIF7z

python可以用easy_install安装一些软件

1.JPype使用介绍
参考:http://michael-paul.iteye.com/blog/1055786
Python 作为一种灵活的软件开发语言在当今被广泛使用。在软件开发过程中,有时需要在 Python 项目中利用既有的 Java 代码,已达到节省时间和开发成本的目的。因此,找到一个 Python 代码调用 Java 代码的桥梁是非常有意义的。 JPype 就是这样的一个工具,利用它可以使 Python 程序方便的调用 Java 代码,从而扩充 Python 语言的能力,弥补 Python 语言的不足。本文介绍了如何利用 JPype 整合 Python 程序和 Java 程序的一些基本方法。
下面是一个简单的 python 程序,通过 JPype 调用 Java 的打印函数,打印出字符串。
清单 1. hello world
import jpype
jvmPath = jpype.getDefaultJVMPath()
jpype.startJVM(jvmPath)
jpype.java.lang.System.out.println( “ hello world! ” )
jpype.shutdownJVM()
运行该例程的时候,getDefaultJVMPath()找不到默认的jvm路径,检查发现在命令行下输入java和javac都是没问题,而且已经配置好环境变量。找到jpype官方文档给的例程(http://jpype.sourceforge.net/doc/user-guide/userguide.html),使用说明(http://blog.csdn.net/niuyisheng/article/details/9002926)发现历程中jdk中jre文件有client文件夹,而现在版本只有server文件夹,然后找一篇文章介绍jvm中client模式和server模式的区别(http://ryxxlong.iteye.com/blog/1696537),发现他们用的都是jdk1.6,而现在的版本是jdk1.8,猜想新版本已经没有该功能了,把jdk换成1.6版本还是发现没有client文件夹,放弃在python中调用java包Hanlp,直接在java程序中使用hanlp。

11大Java开源中文分词器的使用方法和分词效果对比:
http://my.oschina.net/apdplat/blog/412921?fromerr=jF95Yz4r

2.关于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,自动摘要,短语提取,拼音转换,简繁转换,文本推荐,依存句法分析(MaxEnt依存句法分析、神经网络依存句法分析)。
Hanlp的安装和入门说明:http://hanlp.linrunsoft.com/doc/_build/html/getting_started.html#hanlp
HanLP 中的数据分为 词典 和 模型 ,其中 词典 是词法分析必需的, 模型 是句法分析必需的
官网demo:https://github.com/hankcs/HanLP/tree/master/src/test/java/com/hankcs/demo
image

文章来源于zhangqiang1104的博客

相关文章
|
Ubuntu Linux 编译器
openssl 的编译(linux、Ubuntu) 和 交叉编译(arm、Hi3531A)的问题分析、解决
openssl 的编译(linux、Ubuntu) 和 交叉编译(arm、Hi3531A)的问题分析、解决
2547 0
|
存储 缓存 测试技术
golang slice相关常见的性能优化手段
【10月更文挑战第23天】本文介绍了 Go 语言中切片使用的四个优化技巧:预分配容量、减少中间切片的创建、利用切片的复用特性和合理使用 `copy` 函数。通过这些方法,可以有效提高程序性能,减少不必要的内存分配和数据复制操作。每个技巧都附有详细的原理说明和代码示例,帮助开发者更好地理解和应用。
262 2
|
自然语言处理 算法 OLAP
阿里云PAI大模型RAG对话系统最佳实践
本文为大模型RAG对话系统最佳实践,旨在指引AI开发人员如何有效地结合LLM大语言模型的推理能力和外部知识库检索增强技术,从而显著提升对话系统的性能,使其能更加灵活地返回用户查询的内容。适用于问答、摘要生成和其他依赖外部知识的自然语言处理任务。通过该实践,您可以掌握构建一个大模型RAG对话系统的完整开发链路。
|
小程序 JavaScript Java
基于SpringBoot+Vue+uniapp微信小程序的私家车位共享系统的详细设计和实现
基于SpringBoot+Vue+uniapp微信小程序的私家车位共享系统的详细设计和实现
193 0
|
算法 搜索推荐 关系型数据库
Elasticsearch算分优化方案之rescore_query
Elasticsearch算分优化方案之rescore_query
309 0
|
前端开发 小程序 Java
基于SSM实现图书馆座位预约系统
基于SSM实现图书馆座位预约系统
175 0
|
JavaScript 应用服务中间件 开发工具
Nuxt.js(Vue SSR)创建项目到服务器(Nginx+PM2)部署详细流程(下)
Nuxt.js(Vue SSR)创建项目到服务器(Nginx+PM2)部署详细流程(下)
1123 0
|
SQL 缓存 自然语言处理
白日梦的Elasticsearch实战笔记,32个查询案例、15个聚合案例、7个查询优化技巧(二)
白日梦的Elasticsearch实战笔记,32个查询案例、15个聚合案例、7个查询优化技巧(二)
1257 1
QGS
|
Apache PHP
(openEuler21.03-Centos7-x86)yum安装php+apache
记(openEuler21.03-Centos7-x86)yum安装php+apache
QGS
537 0
(openEuler21.03-Centos7-x86)yum安装php+apache
|
机器学习/深度学习 并行计算 算法
Lesson 6.5 机器学习调参基础理论与网格搜索
Lesson 6.5 机器学习调参基础理论与网格搜索