Spark 中文分词
发表于:2026-11-01 作者:千家信息网编辑
千家信息网最后更新 2026年11月01日,Spark 中文分词一、导入需要的分词包import org.ansj.domain.Termimport org.ansj.recognition.impl.StopRecognitionimpor
千家信息网最后更新 2026年11月01日Spark 中文分词
Spark 中文分词
一、导入需要的分词包
import org.ansj.domain.Termimport org.ansj.recognition.impl.StopRecognitionimport org.ansj.splitWord.analysis.ToAnalysis二、停用词过滤
def filter(stopWords: Array[String]): StopRecognition = { // add stop words val filter = new StopRecognition filter.insertStopNatures("w") // filter punctuation filter.insertStopNatures("m") // filter m pattern filter.insertStopNatures("null") // filter null filter.insertStopNatures("
") // filter
filter.insertStopRegexes("^[a-zA-Z]{1,}") //filter English alphabet filter.insertStopRegexes("^[0-9]+") //filter number filter.insertStopRegexes("[^a-zA-Z0-9\\u4e00-\\u9fa5]+") filter.insertStopRegexes("\t") for (x <- stopWords) { filter.insertStopWords(x) } filter }三、分词
def getWords(text: String, filter: StopRecognition): ArrayBuffer[String] = { val words = new mutable.ArrayBuffer[String]() val terms: java.util.List[Term] = ToAnalysis.parse(text).recognition(filter).getTerms for (i <- 0 until terms.size()) { val word = terms.get(i).getName if (word.length >= MIN_WORD_LENGTH) { words += word } } words}
中文
数据库的安全要保护哪些东西
数据库安全各自的含义是什么
生产安全数据库录入
数据库的安全性及管理
数据库安全策略包含哪些
海淀数据库安全审计系统
建立农村房屋安全信息数据库
易用的数据库客户端支持安全管理
连接数据库失败ssl安全错误
数据库的锁怎样保障安全
互联网科技公司
互联网科技公司经营范围
科技互联网龙头
科技平台互联网
科技信息互联网
互联网科技公司名称
多迪互联网科技有限公司
常德市电业局互联网科技部
互联网科技有哪些公司
岳阳华臻互联网科技有限公司
米聚互联网科技南京有限公司排面
互联网科技和信息
众安科技工业互联网合作
互联网风格科技公司名称
工业互联网科技创业
萌小萌互联网科技河南有限公司
全球科技与互联网公司市值变化
盐城市攀科互联网科技有限公司
亚光科技低轨卫星互联网
10位科技互联网大佬
江苏根荣互联网科技
美国互联网科技巨头监管
麻工互联网科技
智慧科技互联网
广州优美互联网科技
南平创想时代互联网科技有限公司
艺电能源互联网科技有限公司招聘
易租星互联网科技有限公司
北京品多多互联网科技有限公司
互联网科技企业文化