文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

如何安装elasticsearch中文切词插件hanlp

2024-04-02 19:55

关注

这篇文章主要介绍如何安装elasticsearch中文切词插件hanlp,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!

hanlp好处的,就是它的data字典比较齐全.

github上有国人写hanlp支持es的插件

https://github.com/pengcong90/elasticsearch-analysis-hanlp

下载它的安装 release 包

下载发现解压按它的安装要求总找不到hanlp.properties文件


将源码git下来,发现路径有问题.

package org.elasticsearch.index.analysis;import com.hankcs.hanlp.HanLP;import com.hankcs.hanlp.utility.Predefine;import com.hankcs.lucene4.HanLPIndexAnalyzer;import org.elasticsearch.common.inject.Inject;import org.elasticsearch.common.inject.assistedinject.Assisted;import org.elasticsearch.common.settings.Settings;import org.elasticsearch.env.Environment;import org.elasticsearch.index.IndexSettings;public class HanLPAnalyzerProvider extends AbstractIndexAnalyzerProvider<HanLPIndexAnalyzer> {
    private final HanLPIndexAnalyzer analyzer;    private static String sysPath = String.valueOf(System.getProperties().get("user.dir"));    @Inject
    public HanLPAnalyzerProvider(IndexSettings indexSettings, Environment env, @Assisted String name, @Assisted Settings settings) {        super(indexSettings, name, settings);        //原来路径
        //Predefine.HANLP_PROPERTIES_PATH = sysPath.substring(0, sysPath.length()-4) + "/plugins/analysis-hanlp/hanlp.properties";
        //修改后正确路径
        Predefine.HANLP_PROPERTIES_PATH = sysPath + "/plugins/analysis-hanlp/hanlp.properties";
        analyzer = new HanLPIndexAnalyzer(true);
    }
    public static HanLPAnalyzerProvider getIndexAnalyzerProvider(IndexSettings indexSettings, Environment env, String name, Settings settings) {        return new HanLPAnalyzerProvider(indexSettings, env, name, settings);
    }
    public static HanLPAnalyzerProvider getSmartAnalyzerProvider(IndexSettings indexSettings, Environment env, String name, Settings settings) {        return new HanLPAnalyzerProvider(indexSettings, env, name, settings);
    }    @Override
    public HanLPIndexAnalyzer get() {        return this.analyzer;
    }
}

因为它的hanlp版本是1.2.8,最新版本是1.5.4 
修改pom.xml为

       <dependency>
                <groupId>com.hankcs</groupId>
                <artifactId>hanlp</artifactId>
                <version>portable-1.5.4</version>
            <!--<systemPath>${pom.basedir}/lib/hanlp-1.2.8.jar</systemPath>-->
            <!--<scope>system</scope>-->
        </dependency>

打包编译

在$ES_HOME下/plugins建立analysis-hanlp文件 
目录下结构为 
如何安装elasticsearch中文切词插件hanlp


hanlp.properties属性(可以直接从 https://github.com/hankcs/HanLP  的realease下载修改root路径就行了)

#本配置文件中的路径的根目录,根目录+其他路径=完整路径(支持相对路径,请参考:https://github.com/hankcs/HanLP/pull/254)#Windows用户请注意,路径分隔符统一使用/root=/opt/elasticsearch-5.5.1/plugins/analysis-hanlp#核心词典路径CoreDictionaryPath=data/dictionary/CoreNatureDictionary.txt#2元语法词典路径BiGramDictionaryPath=data/dictionary/CoreNatureDictionary.ngram.txt#停用词词典路径CoreStopWordDictionaryPath=data/dictionary/stopwords.txt#同义词词典路径CoreSynonymDictionaryDictionaryPath=data/dictionary/synonym/CoreSynonym.txt#人名词典路径PersonDictionaryPath=data/dictionary/person/nr.txt#人名词典转移矩阵路径PersonDictionaryTrPath=data/dictionary/person/nr.tr.txt#繁简词典根目录tcDictionaryRoot=data/dictionary/tc#自定义词典路径,用;隔开多个自定义词典,空格开头表示在同一个目录,使用“文件名 词性”形式则表示这个词典的词性默认是该词性。优先级递减。#另外data/dictionary/custom/CustomDictionary.txt是个高质量的词库,请不要删除。所有词典统一使用UTF-8编码。CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt; 现代汉语补充词库.txt; 全国地名大全.txt ns; 人名词典.txt; 机构名词典.txt; 上海地名.txt ns;data/dictionary/person/nrf.txt nrf;#CRF分词模型路径CRFSegmentModelPath=data/model/segment/CRFSegmentModel.txt#HMM分词模型HMMSegmentModelPath=data/model/segment/HMMSegmentModel.bin#分词结果是否展示词性ShowTermNature=true#IO适配器,实现com.hankcs.hanlp.corpus.io.IIOAdapter接口以在不同的平台(Hadoop、Redis等)上运行HanLP#默认的IO适配器如下,该适配器是基于普通文件系统的。#IOAdapter=com.hankcs.hanlp.corpus.io.FileIOAdapter

plugin-descriptor.properties和plugin-security.policy属性按  elasticsearch-analysis-hanlp 的release包属性修改.


修改ES启动,并启动

vim /opt/elasticsearch-5.5.1config/jvm.options #新增-Djava.security.policy=/opt/elasticsearch-5.5.1/plugins/analysis-hanlp/plugin-security.policy

测试安装成功否命令

GET /_analyze?analyzer=hanlp-index&pretty=true { 
"text":"公安部:各地校车将享最高路权" }

data字典文件从 https://github.com/hankcs/HanLP/releases  下载,解压就行了.

以上是“如何安装elasticsearch中文切词插件hanlp”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注亿速云行业资讯频道!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     807人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     351人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     314人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     433人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     221人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-数据库
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯