自然语言处理之:搭建基于HanLP的开发环境

By 67655rfrf at 2019-02-18 • 0人收藏 • 77人看过

环境搭建比FNLP的简单,具体参考:https://github.com/hankcs/HanLP


各个版本的下载:https://github.com/hankcs/HanLP/releases


完毕后有一个报错:


字符类型对应表加载失败:


D:/eclipse_workspace/HanLPTest/HanLP/data/dictionary//other/CharType.dat.yes


直接在 D:/eclipse_workspace/HanLPTest/HanLP/data/dictionary//other/ 目录下新建一个txt文档将名称改为 CharType.dat.yes 即可。


相对比较简单。


尝试HanLP主要处于各个开源自然语言处理工具包之间的差异,寻找一个适合学习的开源工具包。


DKHadoop.jpg 


HanLP调用方法


HanLP几乎所有的功能都可以通过工具类HanLP快捷调用,当你想不起来调用方法时,只需键入HanLP.,IDE应当会给出提示,并展示HanLP完善的文档。所有Demo都位于com.hankcs.demo下,比文档覆盖了更多细节,更新更及时,强烈建议运行一遍。


HanLP的适用过程中注意的问题:


1、因为HanLP版本更新比较频繁,所以,jar源代码版本需要对应适用,否则源码和jar中接口调用对应不上。


在进行CRF分词过程中报错:


Exception in thread "main" java.lang.OutOfMemoryError: Java heap space


    at java.nio.HeapByteBuffer.<init>(HeapByteBuffer.java:57)


    at java.nio.ByteBuffer.allocate(ByteBuffer.java:335)


    at com.hankcs.hanlp.corpus.io.IOUtil.readBytesFromFileInputStream(IOUtil.java:251)


    at com.hankcs.hanlp.corpus.io.IOUtil.readBytes(IOUtil.java:178)


    at com.hankcs.hanlp.corpus.io.ByteArray.createByteArray(ByteArray.java:47)


    at com.hankcs.hanlp.model.crf.CRFModel.loadTxt(CRFModel.java:89)


    at com.hankcs.hanlp.seg.CRF.CRFSegment.<init>(CRFSegment.java:58)


    at com.hankcs.hanlp.seg.CRF.CRFSegment.<init>(CRFSegment.java:73)


    at test.Main.main(Main.java:56)


 


是因为CRF比较耗内存,所以出现内存不足,所以需要修改一下VM的最大内存。


选中工程,然后:


图1.png 


即可解决。


在源码包文件在eclipse中打开出现乱码,解决方法:


(必须)首先用txt打开,然后在第一行添加:encoding="utf-8"即可。


图2.png 


转载自CrazyNong 的博客


登录后方可回帖

登 录
信息栏

Carbon Forum是一个基于话题的高性能轻型PHP论坛

下载地址:Carbon Forum v5.9.0
QQ群:12607708(QQ我不常上)

donate

手机支付宝扫描上方二维码可向本项目捐款

粤ICP备17135490号-1

Loading...