Hanlp的安装和配置

Hanlp简介

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。
HanLP 提供下列功能：

• 中文分词
• 最短路分词
• N-最短路分词
• CRF分词索引分词
• 极速词典分词
• 用户自定义词典
• 词性标注命名实体识别
• 中国人名识别
• 音译人名识别
• 日本人名识别
• 地名识别
• 实体机构名识别
• 关键词提取
• TextRank关键词提取
• 自动摘要
• TextRank自动摘要
• 短语提取
• 基于互信息和左右信息熵的短语提取拼音转换
• 多音字声母韵母
• 声调简繁转换
• 繁体中文分词
• 简繁分歧词
• 文本推荐
• 语义推荐
• 拼音推荐
• 字词推荐
• 依存句法分析
• MaxEnt依存句法分析
• CRF依存句法分析
• 语料库工具
• 分词语料预处理
  等一些列自然语言处理功能

下载与配置

方式一
Maven为了方便用户，特提供内置了数据包的Portable版，只需在pom.xml加入：

<dependency>
    <groupId>com.hankcs</groupId>
    <artifactId>hanlp</artifactId>
    <version>portable-1.7.8</version>
</dependency>

零配置，即可使用基本功能（除由字构词、依存句法分析外的全部功能）。如果用户有自定义的需求，可以参考方式二，使用hanlp.properties进行配置（Portable版同样支持hanlp.properties）。

方式二
下载jar、data、hanlp.propertiesHanLP将数据与程序分离，给予用户自定义的自由。
1、下载：data.zip下载后解压到任意目录，接下来通过配置文件告诉HanLP数据包的位置。HanLP中的数据分为词典和模型，其中词典是词法分析必需的，模型是句法分析必需的。data
│
├─dictionary
└─model
用户可以自行增删替换，如果不需要句法分析等功能的话，随时可以删除model文件夹。

• 模型跟词典没有绝对的区别，隐马模型被做成人人都可以编辑的词典形式，不代表它不是模型。
• GitHub代码库中已经包含了data.zip中的词典，直接编译运行自动缓存即可；模型则需要额外下载。

2、下载jar和配置文件：hanlp-release.zip配置文件的作用是告诉HanLP数据包的位置，只需修改第一行root=D:/JavaProjects/HanLP/为data的父目录即可，比如data目录是/Users/hankcs/Documents/data，那么root=/Users/hankcs/Documents/ 。最后将hanlp.properties放入classpath即可，对于多数项目，都可以放到src或resources目录下，编译时IDE会自动将其复制到classpath中。除了配置文件外，还可以使用环境变量HANLP_ROOT来设置root。安卓项目请参考demo。如果放置不当，HanLP会提示当前环境下的合适路径，并且尝试从项目根目录读取数据集。

一般方法：
步骤一：
通过方式二获取Hanlp的数据包和jar包并解压；其中，数据包放在任何位置都可以，我们会通过修改配置文件来对数据包进行定位；

步骤二：
以eclipse为例，说明如何在java项目中使用Hanlp；

1. 创建一个新的java项目，将解压后的jar包导入到项目；
   
2. 使用Build Path将jar包引入；
   
3. 修改配置文件hanlp.properities，定位数据包；修改方式见上方的方式2；
   
4. 将配置文件导入到项目文件的bin目录下，测试是否能够正常使用Hanlp；