• HanLP笔记


    所有分词器都是 Segment 的子类, Segment 提供以下配置接口:

    // 设为索引模式
    public Segment enableIndexMode(boolean enable)
    
    //开启词性标注
    public Segment enablePartOfSpeechTagging(boolean enable)
    
    //开启人名识别
    public Segment enableNameRecognize(boolean enable)
    
    //开启地名识别
    public Segment enablePlaceRecognize(boolean enable)
    
    //开启机构名识别
    public Segment enableOrganizationRecognize(boolean enable)
    
    //是否启用用户词典
    public Segment enableCustomDictionary(boolean enable)
    
    //是否启用音译人名识别
    public Segment enableTranslatedNameRecognize(boolean enable)
    
    //是否启用日本人名识别
    public Segment enableJapaneseNameRecognize(boolean enable)
    
    //是否启用偏移量计算(开启后Term.offset才会被计算)
    public Segment enableOffset(boolean enable)
    
    //是否启用所有的命名实体识别
    public Segment enableAllNamedEntityRecognize(boolean enable)

    用户可以使用链式语法对Segment执行创建和配置操作,一气呵成:

    Segment shortestSegment = new ViterbiSegment().enableCustomDictionary(false).enablePlaceRecognize(true).enableOrganizationRecognize(true);
    

    对于工具类中的分词器,也可以使用暴露出来的SEGMENT成员对其进行配置:

    String text = "泽田依子是上外日本文化经济学院的外教";
    System.out.println(StandardTokenizer.segment(text));
    StandardTokenizer.SEGMENT.enableAllNamedEntityRecognize(true);
    System.out.println(StandardTokenizer.segment(text));
    

    线程安全性

    除了配置方法不作保证外,任何分词器都是线程安全的。

    详细文档:http://hanlp.linrunsoft.com/doc/_build/html/segment.html

     
  • 相关阅读:
    事务
    javascript用window open的子窗口关闭自己并且刷新父窗口
    设置eclipse自动生成的author等注释
    使用Mockito对类成员变量进行Mock
    Linux进程简介
    WebSocket不同版本的三种握手方式以及一个Netty实现JAVA类
    长连接的定义及其优缺点,以及在不同的浏览器中的支持情况
    Sql为什么连接不上服务器上的数据库
    mysql批量导入已经格式好的文本数据
    Ant是什么
  • 原文地址:https://www.cnblogs.com/sss-justdDoIt/p/9211395.html
Copyright © 2020-2023  润新知