汉语言处理包 HanLP v1.3.5,新功能、优化与维护

  1. 云栖社区>
  2. 博客>
  3. 正文

汉语言处理包 HanLP v1.3.5,新功能、优化与维护

蓝天白芸朵 2018-11-08 16:07:43 浏览1229
展开阅读全文

HanLP v1.3.5 更新内容:

大幅优化CRF分词和二阶HMM分词,重构CharacterBasedGenerativeModelSegment

自定义词典支持热更新:#563 ,ngram模型支持热加载:#580

新增一个提高用户词典优先级的开关:#633

支持98年人民日报的复合词语料格式,如"[中央/n 人民/n 广播/vn 电台/n]nt"

开放TextRank关键词提取中的最大迭代次数参数:#577

为Term添加equal方法

TextRankKeyword 提取窗口相近词的强化

文本摘要方法支持自定义句子分隔符

提高AC自动机健壮性,添加hasKeyword接口

修复BinTrie.remove不存在的key时导致的问题:#540

解决mini模型下同时打开所有命名实体识别和数词识别时触发的问题:#542

CharTable.txt 添加上下标字符的对应关系

将“t”等不可打印的字符视作分隔符:#584

中文数词与阿拉伯数词切分开

修正全角年份识别中字符串长度错误,修正数字识别工具的错误,增加测试代码。支持读取包含BOM的文本文件。

校对CoreNatureDictionary.txt,删除以分号开头的错误词语:#221 (comment)

修复CoNLLWord中toString方法的bug

微调人名识别模型:#562 删除人名识别模型中的高频动词D标签,降低误命中率,音译人名识别取消外国地名触发

修复Nature.fromString和IOUtil.loadDictionary:#626

修正“还款”的拼音:#565 修正简繁一多对应校验表/梁→梁樑(樑為梁的異體字,由簡體轉為繁體時僅需採用梁即可):#606

数据包依然兼容data-for-1.3.3.zip: 国内网盘 或 海外連結 md5=71f6fbbcde4ad70b5b97d4a01ca03c3c
获取最新版的数据包,请fork一份并git clone https://github.com/YourName/HanLP.git

Portable版同步升级到v1.3.5

    <dependency>
        <groupId>com.hankcs</groupId>
        <artifactId>hanlp</artifactId>
        <version>portable-1.3.5</version>
    </dependency>

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。

在提供丰富功能的同时,HanLP内部模块坚持低耦合、模型坚持惰性加载、服务坚持静态提供、词典坚持明文发布,使用非常方便,同时自带一些语料处理工具,帮助用户训练自己的模型。

文章来源于网络

网友评论

登录后评论
0/500
评论
蓝天白芸朵
+ 关注