NLPIR中文分词器的使用
//定义接口Clibrary,继承自com.sun.jna.Librarypublic interface CLibrary extends Library{//定义并初始化接口的静态变量,这一个语句是用来加载dll的,注意dll文件的路径 //可以是绝对路径也可以是相对路径,只需要填写dll的文件名,不能加后缀 //加载dll文件NLPIR.dll CLibrary Instance =(CLibrary) Native.loadLibrary("C:\\jars\\nlpir\\bin\\ICTCLAS2015\\NLPIR",CLibrary.class); // 初始化函数声明 public int NLPIR_Init(String sDataPath, int encoding, String sLicenceCode); //执行分词函数声明 public String NLPIR_ParagraphProcess(String sSrc, int bPOSTagged); //提取关键词函数声明 public String NLPIR_GetKeyWords(String sLine, int nMaxKeyLimit, boolean bWeightOut); //提取文件中关键词的函数声明 public String NLPIR_GetFileKeyWords(String sLine, int nMaxKeyLimit, boolean bWeightOut); //添加用户词典声明 public int NLPIR_AddUserWord(String sWord);//add by qp 2008.11.10 //删除用户词典声明 public int NLPIR_DelUsrWord(String sWord);//add by qp 2008.11.10 //获取最后一个错误的说明 public String NLPIR_GetLastErrorMsg(); //退出函数声明 public void NLPIR_Exit(); //文件分词声明 public void NLPIR_FileProcess(String utf8File, String utf8FileResult, int i); }
String system_charset="UTF-8";//说明分词器的bin文件所在的目录String dir="C:\\jars\\nlpir\\bin\\ICTCLAS2015";int charset_type=1;String utf8File="C:\\utf8file.txt";String utf8FileResult ="C:\\utf8result.txt";//初始化分词器int init_flag =CLibrary.Instance.NLPIR_Init(dir,charset_type,"0");String nativeBytes=null;if(init_flag==0){ nativeBytes=CLibrary.Instance.NLPIR_GetLastErrorMsg(); System.out.println("初始化失败,原因为"+nativeBytes); return;}String sinput="去年开始,打开百度李毅吧,满屏的帖子大多含有“屌丝”二字,一般网友不仅不懂这词什么意思,更难理解这个词为什么会这么火。然而从下半年开始,“屌丝”已经覆盖网络各个角落,人人争说屌丝,人人争当屌丝。\n" +"从遭遇恶搞到群体自嘲,“屌丝”名号横空出世";try{ //参数0代表不带词性,参数1代表带有词性标识 nativeBytes=CLibrary.Instance.NLPIR_ParagraphProcess(sinput,0); System.out.println("分词结果为:"+nativeBytes); //添加用户词典 CLibrary.Instance.NLPIR_AddUserWord("满屏的帖子 n"); CLibrary.Instance.NLPIR_AddUserWord("更难理解 n"); //执行分词 nativeBytes=CLibrary.Instance.NLPIR_ParagraphProcess(sinput,1); System.out.println("增加用户词典后分词的结果为: " +nativeBytes); //删除用户定义的词 更难理解 CLibrary.Instance.NLPIR_DelUsrWord("更难理解"); //执行分词 nativeBytes=CLibrary.Instance.NLPIR_ParagraphProcess(sinput,1); System.out.println("删除用户词典后分词结果为: "+nativeBytes); //从utf8File目录中读取语句进行分词,将结果写入utf8FileResult对应的路径之中,保留词性对应的标志 CLibrary.Instance.NLPIR_FileProcess(utf8File,utf8FileResult,1); //获取sinput中对应的关键词,指定关键词数目最多为3 nativeBytes=CLibrary.Instance.NLPIR_GetKeyWords(sinput,3,false); System.out.println("关键词提取结果是:"+nativeBytes); //获取文件中对应的关键词 nativeBytes=CLibrary.Instance.NLPIR_GetFileKeyWords(utf8File,10,false); System.out.println("关键词提取结果是:"+nativeBytes);}catch (Exception e){ e.printStackTrace();}
//转换String的编码方式public static String transString(String str,String ori_encoding,String new_encoding){try{return new String(str.getBytes(ori_encoding),new_encoding); }catch (UnsupportedEncodingException e){ e.printStackTrace(); }return null;}
SparkConf conf =new SparkConf().setAppName("test").setMaster("local");JavaSparkContext sc =new JavaSparkContext(conf);JavaRDD<String> inputs =sc.textFile("C:\\utf8file.txt");JavaRDD<String> source=inputs.filter(new Function<String, Boolean>() {public Boolean call(String v1) throws Exception {return !v1.trim().isEmpty(); } });JavaRDD<String> transmit = source.mapPartitions(new FlatMapFunction<Iterator<String>, String>() {public Iterable<String> call(Iterator<String> it) throws Exception { List<String> list=new ArrayList<String>(); String dir="C:\\jars\\nlpir\\bin\\ICTCLAS2015"; int charset_type=1; int init_flag =CLibrary.Instance.NLPIR_Init(dir,charset_type,"0"); if(init_flag==0){throw new RuntimeException(CLibrary.Instance.NLPIR_GetLastErrorMsg()); }try{while(it.hasNext()){ list.add(CLibrary.Instance.NLPIR_ParagraphProcess(it.next(),1)); } }catch (Exception e){ e.printStackTrace(); }return list; } }).filter(new Function<String, Boolean>() {public Boolean call(String v1) throws Exception {return !v1.trim().isEmpty(); } }); JavaRDD<String> words = transmit.flatMap(new FlatMapFunction<String, String>() {public Iterable<String> call(String s) throws Exception {return Arrays.asList(s.split(" ")); } }).filter(new Function<String, Boolean>() {public Boolean call(String v1) throws Exception {return !v1.trim().isEmpty(); } });JavaPairRDD<String, String> result = words.mapToPair(new PairFunction<String, String, String>() {public Tuple2<String, String> call(String s) throws Exception { String[] split = s.split("/"); return new Tuple2<String, String>(split[0], split[1]); } });for(Tuple2<String,String> t:result.collect()) System.out.println(t._1()+" "+t._2()); sc.stop();
def ok(f:Iterator[String]):Iterator[String] ={val dir="C:\\jars\\nlpir\\bin\\ICTCLAS2015" val charset_type=1 val init_flag=CLibrary.Instance.NLPIR_Init(dir,charset_type,"0")if(init_flag==0)null val buf = new ArrayBuffer[String]for(it<-f){ buf+=(CLibrary.Instance.NLPIR_ParagraphProcess(it,0)) } buf.iterator} def main(args:Array[String]): Unit = {val conf = new SparkConf().setAppName("test").setMaster("local"); val sc = new SparkContext(conf); val inputs = sc.textFile("c:\\utf8file.txt"); val results=inputs.mapPartitions(ok ); results.collect().foreach(println) }
转载于:https://www.cnblogs.com/zhoudayang/p/5027508.html
NLPIR中文分词器的使用相关推荐
- 中文分词工具比较 6大中文分词器测试(哈工大LTP、中科院计算所NLPIR、清华大学THULAC和jieba、FoolNLTK、HanLP)
中文分词工具比较 6大中文分词器测试(jieba.FoolNLTK.HanLP.THULAC.nlpir.ltp) 哈工大LTP.中科院计算所NLPIR.清华大学THULAC和jieba 个人接触的分 ...
- 【Elasticsearch】Elasticsearch analyzer 中文 分词器
1.概述 转载: https://blog.csdn.net/tzs_1041218129/article/details/77887767 分词器首先看文章:[Elasticsearch]Elast ...
- 11大Java开源中文分词器的使用方法和分词效果对比
2019独角兽企业重金招聘Python工程师标准>>> 本文的目标有两个: 1.学会使用11大Java开源中文分词器 2.对比分析11大Java开源中文分词器的分词效果 本文给出了1 ...
- solr mysql 分词_solr 7+tomcat 8 + mysql实现solr 7基本使用(安装、集成中文分词器、定时同步数据库数据以及项目集成)...
基本说明 Solr是一个开源项目,基于Lucene的搜索服务器,一般用于高级的搜索功能: solr还支持各种插件(如中文分词器等),便于做多样化功能的集成: 提供页面操作,查看日志和配置信息,功能全面 ...
- ik分词器 分词原理_Solr7.7.2中文分词器
中文分词器的配置 1.7版本之后solr内置了中文分词器所以可以使用solr内置的分词器进行配置 1.在解压的目录内找到分词器包 2.将包放在solr项目的lib下 3.修改配置文件修改他下面的con ...
- 中文分词器分词效果的评测方法
[原创]中文分词器分词效果的评测方法 2013年8月27日 由 learnhard留言 » 转载请注明出处:http://www.codelast.com/ 现在有很多开源的中文分词器库,如果你的项目 ...
- 当前几个主要的Lucene中文分词器的比较
http://blog.fulin.org/2009/08/lucene_chinese_analyzer_compare.html 1. 基本介绍: paoding :Lucene中文分词" ...
- 中科院NLPIR中文分词java版
中科院NLPIR中文分词java版 中科院NLPIR中文分词java版
- ElasticSearch中文分词器-IK分词器的使用
IK分词器的使用 首先我们通过Postman发送GET请求查询分词效果 GET http://localhost:9200/_analyze {"text":"农业银行& ...
- 给solr配置中文分词器
Solr的中文分词器 中文分词在solr里面是没有默认开启的,需要我们自己配置一个中文分词器. 目前可用的分词器有smartcn,IK,Jeasy,庖丁.其实主要是两种,一种是基于中科院ICTCLAS ...
最新文章
- 2021年春季学期-信号与系统-第十五次作业参考答案-第三小题参考答案
- java实现上传功能吗_Java实现文件上传功能
- Java LinkedHashMap类源码解析
- 阳泉师范高等专科学校计算机系,阳泉师范高等专科学校
- 数学之美 系列八-- 贾里尼克的故事和现代语言处理
- cron4j的Jfinal plugin
- 康托展开与八数码问题
- catia曲面扫掠命令详解_Mastercam快捷键命令,附中英文功能讲解!值得收藏!
- 3dmax导出x文件插件2020_C4D与unity3D,3DMAX,AI,AE,ks之间互导
- 职场新人的入门法则:少想、多做、立即执行!
- 在linux上执行.net Console apps
- iptables 一些有用的规则
- 实战HPUX 11.31 MC/SG更换锁盘
- 嵌入式操作系统内核原理和开发(基于链表节点的内存分配算法)
- Deep_Rank,经典ctr系列预估模型复现框架
- websocket 带头部信息请求 header_BeetleX之Websocket协议分析详解
- Web App 前端构建(纯净版)
- 几种div/css布局的代码
- dialogfield
- xp系统计算机启动时灰色界面,windows xp系统下屏幕开始按钮变成灰色怎么处理
热门文章
- linux免杀工具,kali 免杀工具shellter安装以及使用
- 阿里巴巴《Java开发手册》官网最全版本及配套 AJCG(Alibaba Java Coding Guidelines)辅助插件下载
- 什么是静态网页 什么是HTML5,什么是静态网页?
- Mac终端查看MD5/SHA1/SHA256
- 【CV2】Python中cv2使用小窗口显示高分辨率图片
- IBM ServerGuide 8.42
- 计算机毕业设计java+ssm的在线投票管理系统(源码+系统+mysql数据库+Lw文档)
- sxe增加服务器,sXe Injected服务端使用说明
- 邮箱发大文件服务器怎么删除,Exchange 2010如何删除系统默认邮箱数据库
- 领域驱动设计(DDD)入门概要