文章目錄

• 如何閱讀本文？
• Hanlp用戶自定義詞典引用簡介
• 操作步驟
• • 環境創建
  • 編輯詞典文件
  • 將用戶自定義詞典路徑加入配置文件
  • 刪除緩存文件

如何閱讀本文？

首先我們對Hanlp用戶詞典進行簡介，推薦首先閱讀鏈接文章，它是本文的第一來源；

環境配置方面分為幾個步驟，每個需要動手操作的步驟都用黑體加粗顯示，依據這些步驟你完全可以將用戶自定義詞典創建完成，但是我們建議將分析部分仔細看一看，加深理解；

對每一個步驟出現的問題我們都進行了解釋并提供了解決方案，如果你是為了解決問題來到的本文，可以使用Ctrl+F查找你想解決的問題，很有可能就在文章中；

僅供參考，感謝來到這里─=≡Σ(((つ??ω??)つ；

Hanlp用戶自定義詞典引用簡介

考完六級的我回來了~
在之前的文章中，提到了Hanlp用戶自定義詞典的作用和詳細信息，傳送門：Hanlp之理解用戶自定義詞典（java版本）那篇文章的源代碼分析還沒寫
光說不練假把式，今天我們一步一步來配置一個自定義詞典并在分詞中使用它；(Java版本)

操作步驟

環境創建

java項目：在IDE中創建一個java項目，將hanlp-jar和hanlp-sources-jar引入到項目（Build Path），當我們第一次使用時將sources包attach到項目，就可以查看源代碼了，否則是無法查看的；同時將Hanlp的配置文件導入到classpath（放入項目文件的bin目錄下即可，我們一會要著重操作這個配置文件）；

Hanlp文件：我們在第一步已經導入了兩個包，同時將配置文件加入到了classpath，我們還需要在Hanlp根目錄下任意位置創建一個詞典文件，我們這里以txt格式為例。

問題1：我的詞典文件應該創建在哪里呢？任意位置都可以嗎？ 答：我們希望你將文件創建在Hanlp配置文件聲明的根目錄下，你如果仔細觀察配置文件的話會發現Hanlp 的地址規則，原文如下： #本配置文件中的路徑的根目錄，根目錄+其他路徑=完整路徑（支持相對路徑，請參考：https://github.com/hankcs/HanLP/pull/254） #Windows用戶請注意，路徑分隔符統一使用/ 緊接著一行就是你配置的根目錄：root 所以，最好將文件創建在根目錄下。 同時注意，windows OS用戶的分隔符請使用 "/"，不要轉義。

至此，我們就將環境創建好了。

編輯詞典文件

我們知道了詞典內部數據的組織方式，我們也要按照這個方式來進行加載，在應用時我們經常通過流操作來寫入數據，由于這次演示的數據量比較小，我們直接輸入。

進入編輯器，我們編輯詞典文件：我創建了一個名稱為 我的詞典.txt 的詞典文件，在里面，我定義了一個開斯卡名詞和一個子庫啊動詞，顯然，這兩個在現有語料庫中沒有任何意義的詞是不太可能分到一起的，當我們需要將這兩個詞分到一起時就可以將他們加入詞典；

問題2：開斯卡和子庫啊兩個詞在分詞時一定會分到一起嗎？ 答：還是不一定，為什么“還是”，請看鏈接文章解釋。這兩個詞在分詞時會有很大概率在一起，但不是一定 ，當你充分了解后果后，可以使用 Segment #enableCustomDictionaryForcing 強制分詞 問題3：我應該如何編輯文件？格式是什么？ 答：輸入單詞，同時加入詞性和出現頻率，詞性和頻率不是必須項，省略會使用默認值，默認值我們會在稍后 介紹；詞性表請見 http://www.hankcs.com/nlp/part-of-speech-tagging.html#h2-8 單詞之間請使用制表符或者空格隔開（這意味著單詞之間不允許出現空格）；

保存文件，注意，一定要將文件保存為UTF-8編碼，Hanlp使用UTF-8編碼；

將用戶自定義詞典路徑加入配置文件

路徑配置規則
（1）#本配置文件中的路徑的根目錄，根目錄+其他路徑=完整路徑（支持相對路徑，請參考：https://github.com/hankcs/HanLP/pull/254）
#Windows用戶請注意，路徑分隔符統一使用/
（2）#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。

操作：
首先確定根目錄，根目錄是data目錄的父目錄；
然后將詞典移動至父目錄下的任意一個位置（創建時就在請忽略此步）；
在CustomDictionaryPath后追加字典位置，值為絕對路徑-root路徑，比如我的詞典文件路徑是 F:\java學習\Hanlp\data\dictionary\custom\我的詞典.txt，而root是F:\java學習\Hanlp\，所以我應該在最后寫入data\dictionary\custom\我的詞典.txt；
如果創建的詞典文件和已有的詞典在一個目錄，在上一目錄分號后輸入一個空格，直接追加文件名稱即可

刪除緩存文件

在配置完畢后，我們一定要刪除之前加載字典時產生的緩存文件，比如下圖中的CustomDictionary.txt.bin文件就是上次產生的緩存文件，我們將他刪除；

問題4 我們為什么要刪除緩存文件？ 答：Hanlp首次加載詞典/模型會發生一個自動緩存的過程，自動緩存的目的是為了加速詞典載入速度，在下次 載入時，緩存的詞典文件會帶來毫秒級的加載速度。 如果我們不刪除這個文件，Hanlp會直接使用緩存進行分詞，不會應用新的改變，手動刪除后，再次加載會 重新緩存，這是我們的自定義詞典就會加載到緩存了。 注意：字典刪除加入詞語時不用重新創建緩存。

總結

以上是生活随笔為你收集整理的Hanlp中自定义词典的配置、引用以及问题解决的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。