Ansj自定义词典

来源：互联网发布：js for in return 编辑：程序博客网时间：2024/06/05 06:14

1.首先添加ansj的maven依赖

<dependency>    <groupId>org.ansj</groupId>    <artifactId>ansj_seg</artifactId>    <version>5.1.2</version></dependency>

2.使用ansj测试分词

public class WordSegmentTest {    @Test    public void wordTest(){        String str = "这是一段测试文字";Result result=NlpAnalysis.parse(str);List<Term> termList=result.getTerms();for(Term term:termList){        System.out.println(term.getName()+":"+term.getNatureStr());}    }}

输出结果：

这:r是:v一段:m测试:vn文字:n

假如想把‘这是’当做一个词来分，可以使用以下两种方法：
（1）使用DicLibrary添加自定义分词

public class WordSegmentTest {    @Test    public void wordTest(){        String str = "这是一段测试文字";        DicLibrary.insert(DicLibrary.DEFAULT, "这是");//设置自定义分词Result result=NlpAnalysis.parse(str);List<Term> termList=result.getTerms();for(Term term:termList){        System.out.println(term.getName()+":"+term.getNatureStr());}    }}

输出结果：

这是:userDefine一段:m测试:vn文字:n

（2）官方给出的方法一：

在resource目录下创建library文件夹，然后在该文件夹下创建userLibrary.dic字典文件

在userLibrary.dic文件中添加自定义分词：

这是r1000

这里假设‘这是’的词性是r

在resource目录下创建library.properties,在配置文件中配置userLibrary

userLibrary=library/userLibrary.dic

但是直接测试发现并没有起作用，然后查资料，需要Library加载自定义字典文件，完成Forest的实例化，分词时再将forest对象传入才生效：

public class WordSegmentTest {    @Test    public void wordTest(){        Forest forest = null;        try {            forest=Library.makeForest(WordSegmentTest.class.getResourceAsStream("/library/userLibrary.dic"));//加载字典文件            String str = "这是一段测试文字";            Result result=NlpAnalysis.parse(str,forest);//传入forest            List<Term> termList=result.getTerms();            for(Term term:termList){                System.out.println(term.getName()+":"+term.getNatureStr());            }        } catch (Exception e) {            e.printStackTrace();        }    }}

输出结果：

这是:r一段:m测试:vn文字:n

参考：

http://nlpchina.github.io/ansj_seg/

http://bbs.csdn.net/topics/391492653

http://www.cnblogs.com/en-heng/p/6274881.html

阅读全文

0 0