基于hanlp的es分词插件

 

摘要：elasticsearch是使用比较广泛的分布式搜索引擎，es提供了一个的单字分词工具，还有一个分词插件ik使用比较广泛，hanlp是一个自然语言处理包，能更好的根据上下文的语义，人名，地名，组织机构名等来切分词

Elasticsearch

默认分词

 

 

输出： 

 

 

IK分词 

 

 

输出： 

 

 

hanlp分词

 

输出：

 

 

ik分词没有根据句子的含义来分词，hanlp能根据语义正确的切分出词

安装步骤： 

1、进入https://github.com/pengcong90/elasticsearch-analysis-hanlp，下载插件并解压到es的plugins目录下，修改analysis-hanlp目录下的hanlp.properties文件，修改root的属性，值为analysis－hanlp下的data

目录的地址

2、修改es config目录下的jvm.options文件，最后一行添加

-Djava.security.policy=../plugins/analysis-hanlp/plugin-security.policy

 

重启es

GET /_analyze?analyzer=hanlp-index&pretty=true

{

“text”:”张柏芝士蛋糕店”

}

测试是否安装成功

analyzer有hanlp-index（索引模式）和hanlp-smart（智能模式）

自定义词典

修改plugins/analysis-hanlp/data/dictionary/custom下的 我的词典.txt文件

格式遵从[单词] [词性A] [A的频次]

修改完后删除同目录下的CustomDictionary.txt.bin文件

重启es服务

---------------------

作者：pengcong90

原文：https://blog.csdn.net/pengcong90/article/details/76843760