美文网首页
安装elasticsearch中文切词插件hanlp

安装elasticsearch中文切词插件hanlp

作者: lanlantian123 | 来源:发表于2018-11-07 15:20 被阅读0次

    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

    1

    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

    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.

    文章来源于小白鸽的博客 

    相关文章

      网友评论

          本文标题:安装elasticsearch中文切词插件hanlp

          本文链接:https://www.haomeiwen.com/subject/dajvxqtx.html