package synonym; import java.io.File; import java.io.IOException; import java.io.Reader; import java.io.StringReader; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.analysis.TokenFilter; import org.apache.lucene.analysis.TokenStream; import org.apache.lucene.analysis.Tokenizer; import org.apache.lucene.analysis.core.LowerCaseFilter; import org.apache.lucene.analysis.core.StopFilter; import org.apache.lucene.analysis.en.PorterStemFilter; import org.apache.lucene.analysis.synonym.SynonymFilter; import org.apache.lucene.analysis.synonym.SynonymMap; import org.apache.lucene.analysis.tokenattributes.CharTermAttribute; import org.apache.lucene.analysis.util.CharArraySet; import org.apache.lucene.util.CharsRef; import org.apache.lucene.util.Version; import com.chenlb.mmseg4j.Dictionary; import com.chenlb.mmseg4j.MaxWordSeg; import com.chenlb.mmseg4j.Seg; import com.chenlb.mmseg4j.analysis.MMSegTokenizer; public class MMSegAnalyzer extends Analyzer { protected Dictionary dic; /** * @see Dictionary#getInstance() */ public MMSegAnalyzer() { dic = Dictionary.getInstance(); } /** * @param path 词库路径 * @see Dictionary#getInstance(String) */ public MMSegAnalyzer(String path) { dic = Dictionary.getInstance(path); } /** * @param path 词库目录 * @see Dictionary#getInstance(File) */ public MMSegAnalyzer(File path) { dic = Dictionary.getInstance(path); } public MMSegAnalyzer(Dictionary dic) { super(); this.dic = dic; } protected Seg newSeg() { return new MaxWordSeg(dic); } public Dictionary getDict() { return dic; } // 自定义停用词 private static final String[] stopWords = {"and", "of", "the", "to", "is", "their", "can", "all"}; @Override protected TokenStreamComponents createComponents(String fieldName, Reader reader) { // 创建一个分词器 //Tokenizer tokenizer = new StandardTokenizer(Version.LUCENE_47, reader); Tokenizer tokenizer = new MMSegTokenizer(newSeg(), reader); // 创建一系列的分词过滤器 TokenFilter lowerCaseFilter = new LowerCaseFilter(Version.LUCENE_47, tokenizer); TokenFilter synonymFilter = new SynonymFilter(lowerCaseFilter, getSynonymMap(), true); TokenFilter stopFilter = new StopFilter(Version.LUCENE_47, synonymFilter, buildCharArraySetFromArry(stopWords)); TokenFilter stemFilter = new PorterStemFilter(stopFilter); // TokenStream的包装类 在2.2之中 是TokenStream return new TokenStreamComponents(tokenizer, stemFilter); } // 将数组转成lucene可识别的CharArraySet对象 CharArraySet类似java.util.set private CharArraySet buildCharArraySetFromArry(String[] array) { CharArraySet set = new CharArraySet(Version.LUCENE_47, array.length, true); for(String value : array) { set.add(value); } return set; } // 创建一个同义词表 private SynonymMap getSynonymMap() { String base1 = "fast"; String syn1 = "rapid"; String base2 = "slow"; String syn2 = "sluggish"; String base3 = "中国"; String syn3 = "天朝"; SynonymMap.Builder sb = new SynonymMap.Builder(true); sb.add(new CharsRef(base1), new CharsRef(syn1), true); sb.add(new CharsRef(base2), new CharsRef(syn2), true); sb.add(new CharsRef(base3), new CharsRef(syn3), true); sb.add(new CharsRef(syn3), new CharsRef(base3), true); SynonymMap smap = null; try { smap = sb.build(); } catch (IOException e) { e.printStackTrace(); } return smap; } // 测试方法 public static void testPorterStemmingAnalyzer() throws IOException { Analyzer analyzer = new MMSegAnalyzer(); String text = "Collective slow intelligence and Web2.0, fast and rapid2 天朝"; Reader reader = new StringReader(text); TokenStream ts = null; try { ts = analyzer.tokenStream(null, reader); //ts.reset(); while(ts.incrementToken()) { CharTermAttribute ta = ts.getAttribute(CharTermAttribute.class); System.out.println(ta.toString()); } } catch (IOException e) { e.printStackTrace(); } } public static void main(String[] args) throws IOException { testPorterStemmingAnalyzer(); } }
package luncen; import java.io.IOException; import java.util.HashMap; import java.util.Map; import org.apache.lucene.analysis.TokenStream; import org.apache.lucene.analysis.core.WhitespaceAnalyzer; import org.apache.lucene.analysis.synonym.SynonymFilterFactory; import org.apache.lucene.analysis.tokenattributes.CharTermAttribute; import org.apache.lucene.analysis.tokenattributes.OffsetAttribute; import org.apache.lucene.analysis.util.FilesystemResourceLoader; import org.apache.lucene.util.Version; /** * @author hankcs */ public class TestSynonyms { private static void displayTokens(TokenStream ts) throws IOException { CharTermAttribute termAttr = ts.addAttribute(CharTermAttribute.class); OffsetAttribute offsetAttribute = ts.addAttribute(OffsetAttribute.class); ts.reset(); while (ts.incrementToken()) { String token = termAttr.toString(); System.out.print(offsetAttribute.startOffset() + "-" + offsetAttribute.endOffset() + "[" + token + "] "); } System.out.println(); ts.end(); ts.close(); } public static void main(String[] args) throws Exception { String testInput = "其实 hankcs 似 好人 luncen"; Version ver = Version.LUCENE_47; Map<String, String> filterArgs = new HashMap<String, String>(); filterArgs.put("luceneMatchVersion", ver.toString()); filterArgs.put("synonyms", "f:\\synonym.txt"); filterArgs.put("expand", "true"); SynonymFilterFactory factory = new SynonymFilterFactory(filterArgs); factory.inform(new FilesystemResourceLoader()); WhitespaceAnalyzer whitespaceAnalyzer = new WhitespaceAnalyzer(ver); TokenStream ts = factory.create(whitespaceAnalyzer.tokenStream("someField", testInput)); displayTokens(ts); } }
相关推荐
本篇将聚焦于"Lucene5学习之自定义同义词分词器简单示例",通过这个主题,我们将深入探讨如何在Lucene5中自定义分词器,特别是实现同义词扩展,以提升搜索质量和用户体验。 首先,理解分词器(Analyzer)在Lucene中...
为了实现这一目标,可以通过自定义分词器并维护同义词的方式来达到效果。IK分词器是ES中常用的中文分词插件,通过集成IK分词器并对其进行源码修改,可以实现从远程数据库MySql5.7.2动态更新同义词词库,并实现实时...
"用于分词的同义词词林词典"是一个专门用于这一目的的资源,它包含了大量的同义词关系,能够帮助算法更准确地识别文本中的语义。 同义词词典,顾名思义,是收集了大量具有相同或相近意义词汇的数据库。在分词时,...
通过自定义Analyzer和使用同义词分析器,我们可以极大地提升搜索体验,让信息检索更加智能和人性化。在实际项目中,这一步通常需要根据业务需求和特定的语料库进行精细调整,以便更好地满足用户的搜索需求。
自己打包并经过测试的,IKAnalyzerSolrFactory这个类是jdk1.6编辑的,需要高版本的可自己改。同义词可在core的conf里面单独配置,扩展词和停止词在应用的WEB-INF下classes里面配置。
综合以上信息,可以得出结论,这篇博客可能讲解了如何通过自定义Elasticsearch的分析组件(如`HeatSynonymFilter`和`HeatSynonymTokenFilterFactory`),结合MMSEG分词器,实现同义词的热更新功能。这个功能对于实时...
标题中的“汉语最全同义词列表”与“汉语同义词词典”指的是一个包含大量汉语词汇及其同义词的资源,这对于进行自然语言处理(NLP)任务至关重要。同义词词典是NLP中一个基础工具,它帮助程序理解和处理语言的多样性...
2. **自定义扩展词库**: 用户可以自定义扩展词库,将一些专业术语或者新词加入到词库中,增强分词器对特定领域文本的理解和处理能力。 3. **动态词典加载**: 在运行时,IK 分词器支持动态加载和更新词典,无需重启...
《中文同义词词库-Access版本》是一个专门用于处理中文同义词关系的数据资源,它采用Microsoft Access数据库格式,方便用户进行数据管理和查询。在自然语言处理(NLP)和文本挖掘领域,同义词词库是至关重要的工具,...
- **停用词过滤**:通过设置`stop_words`参数,Elasticsearch的分词器可以自动过滤掉停用词。这可以在索引阶段完成,也可以在查询阶段动态处理。 - **同义词扩展**:Elasticsearch支持使用同义词过滤器,如`synonym...
《哈工大同义词词林扩展版》是一款专为自然语言处理(NLP)学习者和从业者设计的工具,由哈尔滨工业大学社会计算与信息检索研究中心精心编纂。这款资源在进行同义词替换和关键词扩展等任务时,展现出极高的实用价值...
同义词词典 中文同义词词库,access版本
### Elasticsearch 安装 IK 分词器详解 #### 一、背景及需求分析 Elasticsearch 是一款基于 Lucene 的搜索引擎,广泛应用于日志处理、全文检索等场景。它提供了多种内置分词器来处理文本数据,但在实际应用过程中...
《2023版-同义词词林(扩展版)最终版》是一个庞大的语言资源库,专为中文处理和自然语言理解领域的专业人士设计。它包含了近8万条词语,这些词语之间的关系是它们在语义上具有相似或相同的含义,即同义词。这个资源...
《哈工大同义词词林.zip》是一个包含与自然语言处理相关的资源文件的压缩包。这个压缩包主要由两部分组成:《同义词词林(扩展版)》说明.pdf 和 HIT-IRLab-同义词词林(扩展版)_full_2005.3.3.txt。这两个文件都是...
《同义词词林(扩展版)》每个词的类编码就应该包含了他全部的信息。 对于原版同义词词林,编码的第一个字母代表该词所属的大类,第二个字母代表中类,后两位字母代表小类。 同义词词林原版是梅家驹先生人工构造的,...
- 实现模糊搜索:分词器可以帮助实现同义词搜索、近义词搜索等功能,提高用户体验。 3. **安装和使用 IK 分词器的步骤:** - 下载已构建好的 IK 分词器包。 - 将分词器解压后的文件复制到 Elasticsearch 安装...
3. **动态扩展**:IK分词器具备动态扩展词能力,能够在遇到未登录词时尝试通过词根和词缀规则进行分词。 4. **多线程支持**:为了提升效率,IK分词器支持多线程处理,可以在高并发环境下保持高性能。 5. **配置...
4. **自定义分词器插件**:允许开发人员根据需求创建自己的分词逻辑,例如基于正则表达式的自定义分词器。 5. **地理插件**:如GeoIP,可以解析IP地址并将其转换为地理位置信息,支持地理空间搜索。 正确选择和...