关键词模块部分说明文档

void denoiseWord(string path, int trd)

Require：path要求是一个字符串，其为一个word文档的绝对地址，trd要求是一个整型变

量，是当前线程的线程编号。

Effect：读取path路径下的word文档，读取其中的文字内容，去掉其他无关信息，将降噪后

的文本信息保存在当前运行路径下文件名为content+trd.txt和temp+trd.txt中。

Modified：会在当前运行目录下创建两个文本文件，分别名为content+trd.txt和temp+tr

d.txt，并向其中写入word文档内去噪后的文本信息，如果已经存在同名的文本文件，那么不

会创建其他额外的文档，而是直接向其中写入Word文档内去噪后的文本信息。

 

相关信息：

　　对于word文档的操作需要引用微软对于office.word的库，在VS2013中，右键

选择添加引用，然后选择将这个包加入到引用中。之后加入引用：

using Microsoft.Office.Interop.Word;
using MSWord = Microsoft.Office.Interop.Word;

　　在读取Word阶段，首先需要实例化Microsoft.Office.Interop.Word.Application，

使用Documents.Open函数读取word文件，这个函数需要12个参数，第一个为Word文件

的绝对地址，第2到12个参数为Type.Missing的object，函数返回word文档内的文本内容。

 

void cutwords(int trd, string analyzer = "Lucene.China.ChineseAnalyzer")

Require：trd要求是一个整型变量，为当前线程的线程编号，analyzer要求是一个字符串，

为选择的分词器的名称，默认为"Lucene.China.ChineseAnalyzer"。

Effect：将当前运行目录下名为temp+trd.txt文件中的文本信息读取出来，进行分词操作，

将分词后的结果保存进当前运行目录下名为temp+trd.txt文件中。

Modified：改变当前运行目录下名为temp+trd.txt文件中内容。

 

相关信息：

　　在分词部分，使用了Lucene的中文分词器，所以需要引入这两

个包，将这两个包放在工程文件夹中。在使用的时候实例化这个中文分词器，实例化TokenS

tream，将待分词的字符串传入流中，从流中读取结果遍历输出到文件。

 

void key(string Path, int trd) 

Require：path是一个字符串，为语料库文件的绝对地址，trd是一个整型变量，为当前线程

的线程编号。

Effect：将当前运行目录下名为temp+trd.txt文件中的分词结果中提取关键词，将提取后的

关键词存进当前运行目录下名为temp+trd.txt文件中。

Modified：更新当前运行目录下名为temp+trd.txt文件中内容为关键词。

 

相关信息：

　　在读取excel文件的语料库操作中，需要用到OleDb的库，在将OleDb的库添加到工程得

引用中之后，在开头加入

using System.Data.OleDb;

　　类似于Mysql的操作，利用指令读取到语料库中相关词条在文件集中的出现频率，修正词

条在文件中的重要程度，将更新后各个词汇的重要程度排序，选取较高的几个作为关键词输出

到文件。

 

 void translate(int trd)

Require：trd为一个整型变量，为当前线程的线程编号。

Effect：将关键词进行中英互译，将中文和英文关键词存入将当前运行目录下名为temp+trd

.txt文件中。

Modified：更新当前运行目录下名为temp+trd.txt文件中内容为关键词。

 

相关信息：

　　在翻译模块调用了百度翻译的api，在调用的时候，需要根据当前时间、用户名和密码等生

成签名，还需要传入要翻译的词汇等信息生成url，在生成url的阶段，由于百度翻译要求的url

必须是UTF-8编码格式，这一点在传入待翻译的字符串前，需要将中文编码成UTF-8格式，除

此之外，在生成签名的时候，也需要将解码的方式调整成UTF-8，将从url下载下来的格式化字

符串重新提取信息后可以得到翻译后的结果。

 

转载于:https://www.cnblogs.com/R-81/p/6250962.html