基于hanlp的es分词插件-创新互联

10多年的八公山网站建设经验,针对设计、前端、开发、售后、文案、推广等六对一服务,响应快,48小时及时工作处理。全网营销推广的优势是能够根据用户设备显示端的尺寸不同,自动调整八公山建站的显示方式,使网站能够适用不同显示终端,在浏览器中调整网站的宽度,无论在任何一种浏览器上浏览网站,都能展现优雅布局与设计,从而大程度地提升浏览体验。成都创新互联公司从事“八公山网站设计”,“八公山网站推广”以来,每个客户项目都认真落实执行。

摘要: elasticsearch是使用比较广泛的分布式搜索引擎,es提供了一个的单字分词工具,还有一个分词插件ik使用比较广泛,hanlp是一个自然语言处理包,能更好的根据上下文的语义,人名,地名,组织机构名等来切分词

Elasticsearch

默认分词

  基于hanlp的es分词插件

输出:  

  基于hanlp的es分词插件

IK分词  

  基于hanlp的es分词插件

输出:  

  基于hanlp的es分词插件

hanlp分词

  基于hanlp的es分词插件

输出:

  基于hanlp的es分词插件

ik分词没有根据句子的含义来分词,hanlp能根据语义正确的切分出词

安装步骤:  

1、进入https://github.com/pengcong90/elasticsearch-analysis-hanlp,下载插件并解压到es的plugins目录下,修改analysis-hanlp目录下的hanlp.properties文件,修改root的属性,值为analysis-hanlp下的data

目录的地址

2、修改es config目录下的jvm.options文件,最后一行添加

-Djava.security.policy=../plugins/analysis-hanlp/plugin-security.policy

 

重启 es

GET /_analyze?analyzer=hanlp-index&pretty=true

{

“text”:”张柏芝士蛋糕店”

}

测试是否安装成功

analyzer有hanlp-index(索引模式)和hanlp-smart(智能模式)

自定义词典

修改 plugins/analysis-hanlp/data/dictionary/custom下的 我的词典.txt文件

格式遵从 [单词] [词性A] [A的频次]

修改完后删除同目录下的 CustomDictionary.txt.bin文件

重启 es服务

 


当前文章:基于hanlp的es分词插件-创新互联
文章出自:http://myzitong.com/article/dsjsdc.html