博客
关于我
Java 实现去除中文文本的停用词
阅读量:411 次
发布时间:2019-03-05

本文共 1850 字,大约阅读时间需要 6 分钟。

目录


1.  整体思路

第一步:先将中文文本进行分词,这里使用的HanLP-汉语言处理包进行中文文本分词。

第二步:使用停用词表,去除分好的词中的停用词。

2.  中文文本分词环境配置

使用的HanLP-汉语言处理包进行中文文本分词。

  • HanLP-汉语言处理包官网如下:
  • HanLP 的环境配置有两种方式:方式一、Maven;方式二、下载jar、data、hanlp.properties。

官方环境配置网址如下:

  • 环境配置好后,java使用HanLP进行中文分词文档如下:

3.  下载停用词表

停用词表可以去百度搜索,这是我搜到的一个:

我将它放在了百度云里面。

停用词.txt : 链接:  提取码:8uq1 

4.  去除停用词工具类

使用这个工具类的之前,请先完成中文文本分词环境配置,并测试一下。停用词 .txt 文件路径请修改为自己的本地路径

public class FormatUtil {    /**     * 去除停用词     * @param oldString:原中文文本     * @return 去除停用词之后的中文文本     * @throws IOException     */    public static String RemovalOfStopWords(String oldString) throws IOException {        String newString = oldString;        // 分词        List
termList = HanLP.segment(newString); System.out.println(termList); // 中文 停用词 .txt 文件路径 String filePath = "F:\\主文件夹\\知识图谱\\工具资源\\停用词.txt"; File file = new File(filePath); BufferedReader bufferedReader = new BufferedReader(new FileReader(file)); List
stopWords = new ArrayList<>(); String temp = null; while ((temp = bufferedReader.readLine()) != null) { //System.out.println("*" + temp+ "*"); stopWords.add(temp.trim()); } List
termStringList = new ArrayList<>(); for(Term term:termList) { termStringList.add(term.word); //System.out.println("*" + term.word + "*"); } termStringList.removeAll(stopWords); newString = ""; for (String string:termStringList) { newString += string; } return newString; }}

5.  工具类测试

5.1  测试代码

public class test {    public static void main(String args[]) {        try {            System.out.println(FormatUtil.RemovalOfStopWords("床前明月光,疑是地上霜。举头望明月,低头思故乡。"));        } catch (IOException e) {            e.printStackTrace();        }    }}

5.2  测试结果

END。

转载地址:http://epkzz.baihongyu.com/

你可能感兴趣的文章
Mysql Can't connect to MySQL server
查看>>
mysql case when 乱码_Mysql CASE WHEN 用法
查看>>
Multicast1
查看>>
MySQL Cluster 7.0.36 发布
查看>>
Multimodal Unsupervised Image-to-Image Translation多通道无监督图像翻译
查看>>
multipart/form-data与application/octet-stream的区别、application/x-www-form-urlencoded
查看>>
mysql cmake 报错,MySQL云服务器应用及cmake报错解决办法
查看>>
Multiple websites on single instance of IIS
查看>>
mysql CONCAT()函数拼接有NULL
查看>>
multiprocessing.Manager 嵌套共享对象不适用于队列
查看>>
multiprocessing.pool.map 和带有两个参数的函数
查看>>
MYSQL CONCAT函数
查看>>
multiprocessing.Pool:map_async 和 imap 有什么区别?
查看>>
MySQL Connector/Net 句柄泄露
查看>>
multiprocessor(中)
查看>>
mysql CPU使用率过高的一次处理经历
查看>>
Multisim中555定时器使用技巧
查看>>
MySQL CRUD 数据表基础操作实战
查看>>
multisim变压器反馈式_穿过隔离栅供电:认识隔离式直流/ 直流偏置电源
查看>>
mysql csv import meets charset
查看>>