jieba分词器关键词提取在spark中的应用(java版-scala调用)

 启动spark-shell 

## jieba-analysis-1.0.3-SNAPSHOT.jar 为bluemapleman提供,作者进行了打包。链接: https://pan.baidu.com/s/1FeSkrueoXB303_KnsExPog 提取码: negi 
spark-shell --jars jieba-analysis-1.0.3-SNAPSHOT.jar

执行代码 

import java.util

import com.qianxinyao.analysis.jieba.keyword.{Keyword, TFIDFAnalyzer}
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.hive.HiveContext

object TitleJiebaParticiplePro {
  def main(args: Array[String]): Unit = {
    //
    //    if (args.length < 8) {
    //      throw new IllegalArgumentException("Need to 8 args!!!")
    //    }
    //    val Array(output_tr, output_te, date1_no, date1_yes, date0, date7, series,hour0,series_flag) = args
    val conf = new SparkConf()
    val sc = new SparkContext(conf)
    sc.setLogLevel("INFO")
    val sqlContext = new HiveContext(sc)
    import sqlContext.implicits._
    //UDF注册(普通方法注册成UDF)
    sqlContext.udf.register("jiebaParticipleUDF", (str: String) => {
      val topN: Int = 5
      val tfidfAnalyzer: TFIDFAnalyzer = new TFIDFAnalyzer
      val list: util.List[Keyword] = tfidfAnalyzer.analyze(str, topN)
      var result_str = ""
      import scala.collection.JavaConversions._
      for (word <- list) {
        result_str += word.getName + "\t"
      }
      result_str
    })
    val train_data = sqlContext.sql("SELECT info_id,title, jiebaParticipleUDF(title), series_id FROM tmp.test1 WHERE dt = '2019-05-06' limit 10")
    train_data.rdd.map(_.toString().replaceAll("\\[", "").replaceAll("\\]", "")).saveAsTextFile("/user/xxx/tmp/20190507_jieba_test")

  }
}

jieba-analysis-1.0.3-SNAPSHOT.jar 源码地址:https://github.com/bluemapleman/jieba-analysis

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值