Skip to content

FAQ

Jump to bottom
hankcs edited this page Mar 31, 2017 · 20 revisions

FAQ

这里收录了一些常见问题，在盲目发issue之前，请善用CTRL+F来寻找你感兴趣的问题，其很有可能就在下面。社区不再回复重复的提问，谢谢合作。

为什么修改了词典还是没有效果？

  • 修改了任何词典都必须删除缓存才能生效，请仔细阅读文档！
  • 请遵循首页文档HanLP词典格式，目前该格式规范暂不支持含有空格的词条。
  • 基于统计模型的分词器不保证词典中的词语一定被切分出来。

为什么自定义词典加载失败？

  • 参考上一个问题。
  • 词语、词性、频次之间的分隔符为空格，所以词语本身不能含有空格，否则词语的某个部分会被视作词性，引发上一个问题。

为什么加载我自己训练的CRF++模型失败了？

HanLP只兼容文本格式的CRF++模型，只有文本才是世界通用的，这是最初的设计宗旨之一。请阅读《CRF++模型格式说明》以了解如何训练文本格式的CRF++模型。

分词器是按最长词切分的吗？可以配置吗？

  1. 请先学习“词典分词”与“统计模型分词”的区别（必须）！
  2. HanLP中有许多分词器，实现了几乎所有的分词算法 image其中一些是前者，一些是后者，可以从继承关系区别
  3. 所以不要用“最大词”“最长词”之类的描述以偏概全，两大类分词器的原理完全不同。
  4. 如果你能区分“词典分词”与“统计模型分词”的话，那么你的问题就全明白了。否则，我只能简单地告诉你，词典分词是按最长词，统计分词可以调整模型来达到你的目的。

配置文件太麻烦了，我也不懂什么是classpath

  1. 这是Java程序员的基础
  2. https://github.com/hankcs/HanLP/issues/419

为什么某某分词器可以分出这个词而某某分词器不能？为什么不能按我的分词标准来？

  1. 分词标准取决于语料库标准，在开发分词器之前就一切都确定了。
  2. HanLP附带了训练工具，欢迎按你的标准自备语料，然后用此工具训练。

有没有客服？QQ群？论坛？版主？

  1. 没有，所有人都是平等的。
  2. https://github.com/hankcs/HanLP/issues/445

Solr\ElasticSearch集成报错、自定义词典、停用词？

  1. 我只开发过Lucene插件。Solr\ElasticSearch理论上应该基于Lucene。
  2. 但其他插件作者可能有自己的实现，并没有调用HanLP的自定义词典、停用词功能。所以推荐不依赖插件，直接用Lucene或solr自带的filter实现停用词。
  3. 不过我可以提供额外帮助，只需你fork一份，用JUnit复现你的问题，提供友好的开发测试环境。

项目打包，如何把hanlp.properties打包进jar？

https://github.com/hankcs/HanLP/issues/448

自定义词典报错java.lang.NumberFormatException: For input string

https://github.com/hankcs/HanLP/issues/444

某个句子分词结果错误

  1. 可以通过增删改BiGram、CoreDictionary相应词条纠正错误。这种纠正方式类似于一种“增量训练”，对统计模型的破坏最小。
  2. 参考实例：https://github.com/hankcs/HanLP/issues/384

加入自定义词性后发生ArrayIndexOutOfBoundsException

  1. 参考https://github.com/hankcs/HanLP/issues?utf8=%E2%9C%93&q=%E5%8F%8D%E5%B0%84
  2. 重申目前的策略：警告信息已经说得很明白了，谨遵医嘱即可。如果你解决了某个JDK版本上的反射错误，欢迎提交patch，这样下个版本你就不用手动改代码了，其他人也能受惠。

人名、地名、机构名识别错误

https://github.com/hankcs/HanLP/issues/407

如何把自己的词典打包进Portable的jar包？如何替换jar包中的词典？

  1. HanLP已经留有完善的IO接口、配置文件，不推荐使用如此丑陋的方法破坏类库的完整性。
  2. 一意孤行的用户请参考如下资料：
  3. https://github.com/hankcs/HanLP/issues/380
  4. https://github.com/hankcs/HanLP/issues/182

如何让读取jar包中的文件？

  1. 实现com.hankcs.hanlp.corpus.io.IIOAdapter接口即可在不同的平台（HDFS、Redis等）上运行HanLP
  2. 这些“平台”这包括且不限于jar包，如果你写一个TapeIOAdapter，你甚至可以从磁带中加载HanLP的data。

HanLP: Han Language Processing - Natural Language Processing for the next decade

Clone this wiki locally