java

关注公众号 jb51net

关闭
首页 > 软件编程 > java > java 使用hanlp

java 使用HanLP 安装入门详细教程

作者：2501_91537388

本文介绍Java使用HanLP的入门教程,涵盖安装、分词、词性标注、关键词提取、NER等核心功能,强调其功能完善、性能高效、支持自定义词典的特点,并提供配置方法和常见问题解决方案,适合中文NLP开发场景,感兴趣的朋友一起跟随小编看看吧

HanLP是一系列模型与算法组成的NLP工具包，目标是普及自然语言处理在生产环境中的应用。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。

HanLP 是基于 Java开发的 NLP工具包，由一系列模型与算法组成，目标是普及自然语言处理在生产环境中的应用。而且 HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点，因此十分好上手，下面看下java 使用HanLP 入门教程。

1. 安装 HanLP

Maven 依赖

<dependency>
    <groupId>com.hankcs</groupId>
    <artifactId>hanlp</artifactId>
    <version>portable-1.8.4</version> <!-- 最新版本请查看官网 -->
</dependency>

注意：portable 版本内置小型词典，适合基础任务；若需完整功能，需下载完整数据包。

2. 基础功能

(1) 分词

import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.seg.common.Term;
public class BasicDemo {
    public static void main(String[] args) {
        String text = "你好，欢迎使用HanLP！这是一段测试文本。";
        // 标准分词
        List<Term> termList = HanLP.segment(text);
        System.out.println(termList);
        // 输出: [你好/vl, ，/w, 欢迎/v, 使用/v, HanLP/nx, ！/w, 这是/r, 一段/m, 测试/vn, 文本/n, 。/w]
    }
}

(2) 词性标注

HanLP 的分词结果已包含词性（如 n=名词，v=动词）：

for (Term term : termList) {
    System.out.println(term.word + " : " + term.nature);
}

常用词性标记：

3. 进阶功能

(1) 关键词提取

import com.hankcs.hanlp.summary.TextRankKeyword;
List<String> keywords = HanLP.extractKeyword(text, 5); // 提取前5个关键词
System.out.println(keywords); // 输出: [文本, 测试, HanLP, 欢迎, 使用]

(2) 命名实体识别（NER）

List<Term> termList = HanLP.segment("马云在阿里巴巴工作。");
for (Term term : termList) {
    if (term.nature.toString().startsWith("nr")) { // nr=人名
        System.out.println("人名: " + term.word);
    } else if (term.nature.toString().startsWith("ns")) { // ns=地名
        System.out.println("地名: " + term.word);
    }
}
// 输出: 人名: 马云  地名: 阿里巴巴

(3) 自定义词典

// 方式1：临时添加单词
HanLP.Config.CustomDictionaryPath = new String[]{"data/dictionary/custom/CustomDictionary.txt"};
HanLP.Config.enableDebug();
// 方式2：动态添加
CustomDictionary.add("量子计算", "n 1024");
CustomDictionary.insert("神经网络", "n 1024");
// 使用自定义词典分词
System.out.println(HanLP.segment("量子计算是未来趋势"));
// 输出: [量子计算/n, 是/v, 未来/t, 趋势/n]

4. 高级配置

(1) 切换分词模式

// 极速词典分词（不标注词性）
List<String> fastSegResult = HanLP.segmentFaster(text);
// 标准分词（带词性）
List<Term> stdSegResult = HanLP.segment(text);
// NLP分词（高精度，需完整数据包）
List<Term> nlpSegResult = HanLP.newSegment().enableNameRecognize(true).seg(text);

(2) 加载完整数据包

  1. 下载数据包并解压。
  2. 配置 hanlp.properties：
    root=path/to/hanlp-data

5. 完整示例

import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.seg.common.Term;
import java.util.List;
public class HanLPFullDemo {
    public static void main(String[] args) {
        String text = "清华大学位于北京市海淀区。";
        // 分词 + 词性标注
        List<Term> terms = HanLP.segment(text);
        System.out.println("分词结果: " + terms);
        // 命名实体识别
        terms = HanLP.newSegment().enablePlaceRecognize(true).seg(text);
        for (Term term : terms) {
            if (term.nature.toString().startsWith("ns")) {
                System.out.println("地名: " + term.word);
            }
        }
        // 关键词提取
        List<String> keywords = HanLP.extractKeyword(text, 3);
        System.out.println("关键词: " + keywords);
    }
}

输出：

分词结果: [清华大学/nt, 位于/v, 北京市/ns, 海淀区/ns, 。/w]
地名: 北京市
地名: 海淀区
关键词: [海淀区, 北京市, 清华大学]

6. 常见问题

  1. 词典加载失败：检查 hanlp.properties 中的 root 路径是否正确。
  2. 内存不足：使用 portable 版本或增加 JVM 内存：-Xms512m -Xmx1024m。
  3. 性能优化：对长文本使用 HanLP.segmentFaster()。

官方资源

HanLP 功能强大且灵活，适合中文 NLP 的各种场景！

到此这篇关于java 使用HanLP 入门教程的文章就介绍到这了,更多相关java 使用hanlp内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

阅读全文