拓展阅读
分词系列专题
jieba-fenci 01 结巴分词原理讲解 segment
jieba-fenci 02 结巴分词原理讲解之数据归一化 segment
jieba-fenci 03 结巴分词与繁简体转换 segment
jieba-fenci 04 结巴分词之词性标注实现思路 speechTagging segment
关键词系列专题
NLP segment-01-聊一聊分词
NLP segment-02-聊一聊关键词提取 keyword
NLP segment-03-基于 TF-IDF 实现关键词提取 java 开源实现
NLP segment-04-自动摘要 auto-summary java 开源实现
NLP segment-20-分词开源项目介绍 HanLP 未来十年的自然语言处理
NLP segment-21-分词开源项目介绍 ansj_seg
倒排索引原理与实现 reverse-index
TF-IDF 自动生成文章摘要
TF-IDF 自动提取关键词
相似文章算法之语义指纹-文本内容去重
TF-IDF 找出相似文章算法
NLP segment-21-分词开源项目介绍 ansj_seg
开源项目
为了便于大家学习，项目开源地址如下，欢迎 fork+star 鼓励一下老马~
nlp-keyword 关键词
pinyin 汉字转拼音
segment 高性能中文分词
opencc4j 中文繁简体转换
nlp-hanzi-similar 汉字相似度
word-checker 拼写检测
sensitive-word 敏感词
前言
前面一些内容，我们介绍了分词。
以及 TF-IDF 的实现原理。
当然，这些都是知识，但不是工具。
我们将其转换为方便可用的 java 工具。
nlp-keyword
nlp-keyword 高性能的 java 分词关键词提取实现，基于分词 segment。
愿景：成为 java 最好用的关键词工具。
特性
基于 TF-IDF 算法的关键字算法
灵活的条件指定
变更日志
快速开始
maven 引入
<dependency><groupId>com.github.houbb</groupId><artifactId>keyword</artifactId><version>1.0.0</version>
</dependency>快速开始
- 获取关键词
final String text = "这是一个伸手不见五指的黑夜，夜太美。";List<IKeywordResult> keywords = KeywordHelper.keyword(text);
Assert.assertEquals("[伸手不见|0.86879235325, 太美|0.70848301840625, 伸手不见五指|0.63371734601875, 黑夜|0.509854654010625, 伸手|0.43563643037625]", keywords.toString());- 指定返回的个数
final String text = "这是一个伸手不见五指的黑夜，夜太美。";List<IKeywordResult> keywords = KeywordHelper.keyword(text, 1);
Assert.assertEquals("[伸手不见|0.86879235325]", keywords.toString());- 指定返回的格式
final String text = "这是一个伸手不见五指的黑夜，夜太美。";List<String> keywords = KeywordHelper.keyword(text, 1, KeywordResultHandlers.words());
Assert.assertEquals("[伸手不见]", keywords.toString());ROAD-MAP
[] 字典数据独立，便于用户自定义选择
[] 文本相似度
[] auto-summary 自动摘要
