HanLP是由一系列模型與演算法組成的Java工具包，目標是促進自然語言處理在生產環境中的應用。HanLP具備功能完善、效能高效、架構清晰、語料時新、可自定義的特點。

        HanLP能提供以下功能：關鍵詞提取、短語提取、繁體轉簡體、簡體轉繁體、分詞、詞性標註、拼音轉換、自動摘要、命名實體識別（地名、機構名等）、文字推薦等功能，詳細請參見以下連結：http://www.hankcs.com/nlp/hanlp.html  

        HanLP下載地址：https://github.com/hankcs/HanLP/releases，HanLP專案主頁：https://github.com/hankcs/HanLP

        1、HanLP安裝

         hanlp是由jar包、properties檔案和data資料模型組成，因此，在安裝時，這三種檔案都應該有。可以通過建立java工程即可執行。

         hanlp.properties檔案中描述了不同詞典的相對路徑以及root根目錄，因此，可以在此檔案中修改其路徑。

         hanlp-1.3.4.jar包中包含了各種演算法及提取方法的api，大部分方法都是靜態的，可以通過HanLP直接進行呼叫，因此，使用非常方便。

         data資料夾中包含了dictionary和model資料夾，dictionary中主要是各種型別的詞典，model主要是分析模型，hanlp api中的演算法需要使用model中的資料模型。

         2、HanLP的使用

         普通java工程目錄如下所示：

           3、HanLP的具體使用

           例如：對excel中的聊天記錄欄位進行熱點詞的提取，計算並排序，功能如下所示

           package com.run.hanlp.demo;

import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;

import org.apache.log4j.Logger;

import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.seg.common.Term;
import com.hankcs.hanlp.suggest.Suggester;
import com.hankcs.hanlp.summary.TextRankKeyword;
import com.hankcs.hanlp.tokenizer.NLPTokenizer;
import com.hankcs.hanlp.tokenizer.StandardTokenizer;
import com.run.util.ExcelUtil;

public class HanlpTest {

    public static final Logger log = Logger.getLogger(HanlpTest.class);

    public static void main(String[] args) {
        log.info("關鍵詞提取：");
        HanlpTest.getWordAndFrequency();
    }
    
    /**
     * 獲取所有關鍵詞和頻率
     */
    public static void getWordAndFrequency() {
        // String content =
        // "程式設計師(英文Programmer)是從事程式開發、維護的專業人員。一般將程式設計師分為程式設計人員和程式編碼人員，但兩者的界限並不非常清楚，特別是在中國。軟體從業人員分為初級程式設計師、高階程式設計師、系統分析員和專案經理四大類。";
        List<Map<String, Integer>> content = ExcelUtil.readExcelByField("i:/rundata/excelinput",5000,5);
        Map<String, Integer> allKeyWords=new HashMap<>();
        for(int i=0;i<content.size();i++){
            Map<String, Integer> oneMap=content.get(i);
            for(String str:oneMap.keySet()){
                int count = oneMap.get(str);
                CombinerKeyNum(str,count,allKeyWords);
            }
        }
        List<Map.Entry<String,Integer>> sortedMap=sortMapByValue(allKeyWords);
        log.info(sortedMap);
    }
    /**
     *
     * @param allKeyWords 需要進行排序的map
     * @return 返回排序後的list
     */
    public static List<Map.Entry<String,Integer>> sortMapByValue(Map<String,Integer> allKeyWords){
        List<Map.Entry<String,Integer>> sortList=new ArrayList<>(allKeyWords.entrySet());
        
        Collections.sort(sortList, new Comparator<Map.Entry<String, Integer>>() {   
            public int compare(Map.Entry<String, Integer> o1, Map.Entry<String, Integer> o2) {      
                return (o2.getValue() - o1.getValue());
            }
        });
        return sortList;
    }
    /**
     *
     * @param key 關鍵詞變數
     * @param value 關鍵詞詞頻變數
     * @param allKeyWords  存放關鍵詞和詞頻的map
     */
    public static void CombinerKeyNum(String key,int value,Map<String,Integer> allKeyWords){
        if(allKeyWords.containsKey(key)){
            int count=allKeyWords.get(key);
            count+=value;
            allKeyWords.put(key, count);
        }else{
            allKeyWords.put(key, value);
        }
    }
    /**
     *
     * @param content 需要提取關鍵詞的字串變數
     * @return 返回關鍵詞以及關鍵詞詞頻數的map
     *
     */
    public static HashMap<String, Integer> getKeyWordMap(String content) {
        List<Term> list = StandardTokenizer.SEGMENT.seg(content);
        TextRankKeyword textmap = new TextRankKeyword();
        Map<String, Float> map = textmap.getTermAndRank(content);
        Map<String, Integer> mapCount = new HashMap<>();
        for (String str : map.keySet()) {
            String keyStr = str;
            int count = 0;
            for (int i = 0; i < list.size(); i++) {
                if (keyStr.equals(list.get(i).word)) {
                    count++;
                }
            }
            mapCount.put(keyStr, Integer.valueOf(count));
        }
//        log.info(mapCount);
        return (HashMap<String, Integer>) mapCount;
    }

}

執行之後，結果如下：

 由此可見，可以看見從excel中提取出來的熱點詞彙及其頻率。

          
文章來源於計算機之wind的部落格