ElasticSearch 在搜索中文是。首先通过KI分词/KI分词是吧所有的中文分解成单个中文， 在每次通过term搜索中文时，不会将体育两次分词，但ElasticSearch里面保存的都是单个中文，所以导致未搜索到数据。 在通过搜索“体”字时即可搜到。 ...
分类：
其他好文 时间：
2018-11-04 15:41:29
阅读次数：
292
s = "线程是程序执行时的最小单位，它是进程的一个执行流，\ 是CPU调度和分派的基本单位，一个进程可以由很多个线程组成，\ 线程间共享进程的所有资源，每个线程有自己的堆栈和局部变量。\ 线程由CPU独立调度执行，在多CPU环境下就允许多个线程同时运行。\ 同样多线程也可以实现并发操作，每个请求分 ...
分类：
其他好文 时间：
2018-11-04 12:47:10
阅读次数：
211
舆情分析项目 1、分析事件：重庆公交坠江原因2、分析对象： （1）网友评论（初级分类-分词匹配；高级分类-自然语言识别，映射人类情感和意图，比如：积极、消极、无奈、讽刺、建设、谩骂、理性分析、事后、和事佬等） （2）评论者的公网IP（依据公网IP识别不同地域的网络用户，对本次事件的关注度） （3）评 ...
分类：
其他好文 时间：
2018-11-04 01:41:00
阅读次数：
389
Hanlp HanLP是由一系列模型与算法组成的Java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。 功能：中文分词 词性标注 命名实体识别 依存句法分析 关键词提取新词发现 短语提取 自动摘要 文本分类 拼音简繁 Hanl ...
分类：
编程语言 时间：
2018-11-04 01:40:20
阅读次数：
279
1. 背景 近日项目要求基于爬取的影视评论信息，抽取影视的关键字信息。考虑到影视评论数据量较大，因此采用Spark处理框架。关键词提取的处理主要包含分词+算法抽取两部分。目前分词工具包较为主流的，包括哈工大的LTP以及HanLP，而关键词的抽取算法较多，包括TF-IDF、TextRank、互信息等。... ...
分类：
其他好文 时间：
2018-11-03 23:02:30
阅读次数：
657
标题标签和正文写作应该注意目标关键词组的临近度，也就是说，关键词可以被分词时，在页面上应该完整、按顺序出现关键词组几次，尤其是重要位置，如本节提到的第一段文字，其他节说明的H标签、黑体、ALT文字等。如目标关键词是“SEO方法”，就要在页面上完整出现在“SEO方法”，而不是把“SEO”和“方法” 分开，分别出现在页面上。
分类：
Web程序 时间：
2018-11-02 11:13:59
阅读次数：
255
软件简介 THULAC（THU Lexical Analyzer for Chinese）由清华大学自然语言处理与社会人文计算实验室研制推出的一套中文词法分析工具包，具有中文分词和词性标注功能。THULAC具有如下几个特点： 能力强。利用我们集成的目前世界上规模最大的人工分词和词性标注中文语料库（约 ...
分类：
其他好文 时间：
2018-10-31 12:35:48
阅读次数：
215
核心示例代码： Lucene深入（Luke&&中文分词器&&查询语句见相关文档） ...
分类：
Web程序 时间：
2018-10-28 16:12:23
阅读次数：
159
1. 分词的基本原理 现代分词都是基于统计的分词，而统计的样本内容来自于一些标准的语料库。假如有一个句子：“小明来到荔湾区”，我们期望语料库统计后分词的结果是："小明/来到/荔湾/区"，而不是“小明/来到/荔/湾区”。那么如何做到这一点呢？ 从统计的角度，我们期望"小明/来到/荔湾/区"这个分词后句 ...
分类：
其他好文 时间：
2018-10-28 15:00:57
阅读次数：
175
如何修复无法启动的docker容器背景：测试服务器上使用docker搭建了个elasticsearch服务集群，由于需要为es安装中文分词的插件，不料安装的姿势有问题，导致无法启动了。由于是测试开发所用，也没有为容器挂载数据卷，所以容器关闭后宿主机上就没有相关的目录了。而且是plugins目录结构的原因导致es服务找不到相关文件无法启动。解决方法，使用cp命令将整个plugins目录复制到宿主机下
分类：
其他好文 时间：
2018-10-26 16:23:51
阅读次数：
575
