java训练 词向量_使用 DL4J 训练中文词向量

使用 DL4J 训练中文词向量

1 预处理

对中文语料的预处理,主要包括:分词、去停用词以及一些根据实际场景制定的规则。

package ai.mole.test;

import org.ansj.domain.Term;

import org.ansj.splitWord.analysis.ToAnalysis;

import org.nlpcn.commons.lang.tire.domain.Forest;

import org.nlpcn.commons.lang.tire.library.Library;

import java.io.*;

import java.util.LinkedList;

import java.util.List;

import java.util.regex.Pattern;

public class Preprocess {

private static final Pattern NUMERIC_PATTERN = Pattern.compile("^[.\\d]+$");

private static final Pattern ENGLISH_WORD_PATTERN = Pattern.compile("^[a-z]+$");

public static void main(String[] args) {

String inPath1 = "D:\\MyData\\XUGP3\\Desktop\\测试分词\\test1.txt";

String inPath2 = "D:\\MyData\\XUGP3\\Desktop\\测试分词\\stop_words.txt";

String outPath = "D:\\MyData\\XUGP3\\Desktop\\测试分词\\result1.txt";

String encoding = "utf-8";

PrintWriter writer = null;

Forest forest = null;

try {

writer = new PrintWriter(new OutputStreamWriter(new FileOutputStream(outPath), encoding));

forest = Library.makeForest(Test.class.getResourceAsStream("/library/userLibrary.dic"));

List lineList = IOUtil.readLines(new FileInputStream(inPath1), encoding);

List stopWordList = IOUtil.readLines(new FileInputStream(inPath2), encoding);

for (String line

  • 0
    点赞
  • 1
    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