hanlp for elasticsearch(基于hanlp的es分词插件)

摘要: elasticsearch是使用比较广泛的分布式搜索引擎，es提供了一个的单字分词工具，还有一个分词插件ik使用比较广泛，hanlp是一个自然语言处理包，能更好的根据上下文的语义，人名，地名，组织机构名等来切分词

elasticsearch-analysis-hanlp插件地址：https://github.com/pengcong90/elasticsearch-analysis-hanlp

Elasticsearch

默认分词



输出：



IK：



输出：



hanlp：



输出：



ik分词没有根据句子的含义来分词，hanlp能根据语义正确的切分出词

安装步骤：
1、进入https://github.com/pengcong90/elasticsearch-analysis-hanlp，下载插件并解压到es的plugins目录下，修改analysis-hanlp目录下的hanlp.properties文件，修改root的属性，值为analysis－hanlp下的data
目录的地址

2、修改es config目录下的jvm.options文件，最后一行添加

-Djava.security.policy=../plugins/analysis-hanlp/plugin-security.policy

重启es

GET /_analyze?analyzer=hanlp-index&pretty=true
{
"text":"张柏芝士蛋糕店"
}
测试是否安装成功

analyzer有hanlp-index（索引模式）和hanlp-smart（智能模式）

自定义词典:

修改plugins/analysis-hanlp/data/dictionary/custom下的 我的词典.txt文件

格式遵从[单词] [词性A] [A的频次]

修改完后删除同目录下的CustomDictionary.txt.bin文件

重启es服务

目前仅支持5.x版本

注意在mac下5.5.1版本的es中，要删除plugins中.DS_Store隐藏文件，否则启动会报错