必威电竞外围网站日语分词工具-Kuromoji 日本語単語割り切れツール:Kuromoji日语分词工具-Kuromoji 日本語単語割り切れツール:Kuromoji

条件:对日开发语言处理

条件:对天开发语言处理

务求:分析词语,将词语中之日文单词分割,转换形式。

渴求:分析词语,将词语被的日文单词分割,转换形式。

分析:

分析:

  任务1:词语拆分

  任务1:词语拆分

  任务2:转换形式

  任务2:转换形式

 

 

日文的样式转换可以据此kanavetor去落实 非常简单
直接调用Kana类的convert方法就得,在Kana的官网上可看看用法(即便看无知晓介绍,看到管网的表应该吗就算一目了然了~)。

日文的款式转换可以为此kanavetor去贯彻 非常简单
直接调用Kana类的convert方法就可以,在Kana的官网上得以看到用法(即便看无明了介绍,看到管网的报表应该也就是一目了然了~)。

重要在于词语的拆分上:

首要在于词语的拆分上:

用语拆分使用了Kuromoji,Kuromoji是均等放缓特别好用的日语分词工具,并且,分解后底歌词是好自行将汉字,平假名等易成为カタカナ的,有近似需要之可以一直用此要非用更失找寻其他工具了。Kuromoji我找到了点儿独本子,一个是kuromoji,0.7.7版,官网及说捐献给了apache,内置在Lucene的4.0,5.0本子里,由于忘记Lucene的用法,暂且不考虑。另外一个版是kuromoji-ipadic,这个东东及kuromoji都是一个商家发底,但是略有不同,稍微研究了瞬间,kuromoji在以的上是不得不找到jar包,找不交源代码文件的,通过maven下载好,但是gradle是引入无了之。而kuromoji-ipadic则是gradlle也可引用,并且引入之后好观看源码。此外kuromoji毕竟是先的api,还有一部分细小的弱点。

辞拆分使用了Kuromoji,Kuromoji是一样舒缓大好用的日语分词工具,并且,分解后底歌词是足以自行将汉字,平假名等转移成カタカナ的,有类似需要的可一直用者只要休用重新失去寻觅其他工具了。Kuromoji我找到了区区个本子,一个是kuromoji,0.7.7版本,官网及说捐献给了apache,内置在Lucene的4.0,5.0版里,由于忘记Lucene的用法,暂且不考虑。另外一个本子是kuromoji-ipadic,这个东东跟kuromoji都是一个铺面来底,但是略有不同,稍微研究了一下,kuromoji在运用的时候是只能找到jar包,找不交源代码文件的,通过maven下载好,但是gradle是引入无了之。而kuromoji-ipadic则是gradlle也足以引用,并且引入之后可以看出源码。此外kuromoji毕竟是先的api,还有一些很小的老毛病。

kuromoji官网:http://www.atilika.org/

kuromoji官网:http://www.atilika.org/

Kuromoji-ipadic官网:http://www.atilika.com/en/kuromoji/

Kuromoji-ipadic官网:http://www.atilika.com/en/kuromoji/

Kuromoji用法:

Kuromoji用法:

1         Tokenizer tokenizer = Tokenizer.builder().build();
2         for (Token token : tokenizer.tokenize("寿司が食べたい。")) {
        // token 中存放的是分割后的词 不同的属性可以取到该词的不同内容

              // surfaceForm:原内容

3             System.out.println(token.getSurfaceForm() + "\t" + );

              // baseForm:内容词语的基础 例如 食べたい⇒食べ

        System.out.println(token.getBaseForm() + "\t" + );

4 }
1         Tokenizer tokenizer = Tokenizer.builder().build();
2         for (Token token : tokenizer.tokenize("寿司が食べたい。")) {
        // token 中存放的是分割后的词 不同的属性可以取到该词的不同内容

              // surfaceForm:原内容

3             System.out.println(token.getSurfaceForm() + "\t" + );

              // baseForm:内容词语的基础 例如 食べたい⇒食べ

        System.out.println(token.getBaseForm() + "\t" + );

4 }

↑↑↑这个api对日文汉字的识别率不如下面的api(有些简体日文汉字和特别生疏的鉴别不出来,毕竟是镇版),并且遇到不认的方块字时token调用get方法会得到null。。。不建议利用。

↑↑↑这个api对日文汉字之识别率不如下面的api(有些简体日文汉字和特别生疏的辨识不出来,毕竟是一直版本),并且遇到不识的汉字时token调用get方法会得到null。。。不建议采用。

Kuromoji-ipadic用法:

Kuromoji-ipadic用法:

1         Tokenizer tokenizer = new Tokenizer() ;
2         List<Token> tokens = tokenizer.tokenize("お寿司が食べたい。");
3         for (Token token : tokens) {
4             System.out.println(token.getSurface()); // 读取到的原内容
5             System.out.println(token.getReading()); // カタカナ
6         }        
1         Tokenizer tokenizer = new Tokenizer() ;
2         List<Token> tokens = tokenizer.tokenize("お寿司が食べたい。");
3         for (Token token : tokens) {
4             System.out.println(token.getSurface()); // 读取到的原内容
5             System.out.println(token.getReading()); // カタカナ
6         }        

顺带一提,kuromoji-ipadic由于是为此new产生有实例的,所以若您的家伙要系统要换大量词汇,要专注不要做最好多之new操作,不然会格外缓慢好缓慢好缓慢,此时得以定义成静态常量或者单例模式。

顺带一提,kuromoji-ipadic由于是因此new产生出实例的,所以只要你的工具或系统要换大量语汇,要留意不要开最多的new操作,不然会大缓慢好缓慢好缓慢,此时可定义成静态常量或者单例模式。

接大家评论和指教。

欢迎大家评论以及指教。

 

 

admin

网站地图xml地图