Hanlp配置自定義詞典遇到的問題與解決方法

 

本文是整理了部分網友在配置hanlp自定義詞典時遇到的一小部分問題，同時針對這些問題，也提供另外一些解決的方案以及思路。這裏分享給你們學習參考。

要使用hanlp加載自定義詞典能夠經過修改配置文件hanlp.properties來實現。

要注意的點是:

1.root根路徑的配置:

hanlp.properties中配置以下:

#本配置文件中的路徑的根目錄，根目錄+其餘路徑=完整路徑（支持相對路徑）

#Windows用戶請注意，路徑分隔符統一使用/

root=D:/Project/public_sentiment_monitor/plugin/hanlp1.6.8/

2.自定義詞典路徑的配置，配置文件中已經指明瞭相應的用法。

hanlp.properties中配置以下:

#自定義詞典路徑，用;隔開多個自定義詞典，空格開頭表示在同一個目錄，使用「文件名 詞性」形式則表示這個詞典的詞性默認是該詞性。優先級遞減。

#全部詞典統一使用UTF-8編碼，每一行表明一個單詞，格式聽從[單詞] [詞性A] [A的頻次] [詞性B] [B的頻次] ... 若是不填詞性則表示採用詞典的默認詞性。

CustomDictionaryPath=data/dictionary/custom/hanlp_custom.txt; 搜狗金融詞庫.txt n; CustomDictionary.txt; 現代漢語補充詞庫.txt; 全國地名大全.txt ns; 人名詞典.txt

3.配置文件作好之後，自定義詞典不起做用問題

(1). 須要先刪除custom文件夾下的全部bin文件，而後再使用hanlp，hanlp會自動加載一個新的bin文件，自定義詞典就可使用了。

貌似加載出的bin文件只有CustomDictionaryPath這一行配置中的第一個文件對應的bin，可是內容應該是將全部的自定義詞典都包含了的。

(2). 若是自定義詞典txt文件中存在含有空格的詞， 好比說"16 金立債 nz 100"這種配置，回致使自定義詞典加載程序將"16"認爲是詞，"金立債"認爲是詞性，"nz"認爲是詞頻，而後出現Java報錯: 

java.lang.NumberFormatException: For input string: "nz"

　　　　　　雖然仍然生成了bin文件，可是實際上自定義詞典中的全部詞都是沒法使用的。因此在生成自定義詞典txt文件的過程當中，必定要注意詞中是否含有空格，是否符合"詞 詞性 詞頻"的格式。

(3)如何將含有空格的詞加入自定義詞典中:

CustomDictionary = JClass('com.hankcs.hanlp.dictionary.CustomDictionary')

CustomDictionary.add('攻城 獅')