有没有人能帮我用斯坦福的核心nlp来标记化java中的中文文本？这是我到目前为止的代码：
File file = new File("example.txt");
file.createNewFile();
FileWriter fileWriter = new FileWriter(file);
fileWriter.write("这是很好");
fileWriter.flush();
fileWriter.close();
FileReader fileReader = new FileReader(file);
浏览 0提问于2015-05-29得票数 1
1回答
我第一次使用Stanford标签(这是第一次)，虽然它正确地标记了英语，但即使在更改模型参数时，它似乎也不识别(简体)中文。我忽略了什么吗？
我已经从这里下载并解压了最新的完整版本：
然后，我将示例文本输入到“sam-input.txt”中。
这是一个测试的句子。这是另一个句子。
然后我就跑
/斯坦福-postagger.sh模型/中文-dissim.tagger样本-input.txt
预期的输出是将每个单词标记为词性的一部分，但它将整个文本字符串识别为一个单词：
从标签模型/中文-dissim.tagger加载默认属性
从模型/中文阅读POS标签模型.完成3.5秒。
這是
浏览 0提问于2013-04-18得票数 5
回答已采纳
1回答
我知道Pymongo支持多种语言的文本搜索功能，例如英语、法语、德语……但它不适用于中文。在MongoDB 3.4 +Pymongo3.4环境下，有没有一种可行的方法实现中文全文检索？
浏览 14提问于2017-07-13得票数 0
我想用混合语言输入来做演讲<->文本。
最初只有中文和英文，但最终会有更多的语言对。绝大多数的演讲将是英语，但少量的中文将被包括在内。该应用程序类似于“会话式语言词典”：
用混合语言输入的语音到文本：“你怎么说猫？”
用混合语言输入的文本到语音：“猫的英文单词是猫.”我希望能用以英语为母语的人的声音/口音来说话。
- I noticed that the text-to-speech demo at [this URL](https://www.microsoft.com/cognitive-services/en-us/speech-api) can handle
浏览 1提问于2017-01-25得票数 1
3回答
中文文档的句子拆分
、、、
我必须将中文文本分成多个句子。我试过斯坦福大学的DocumentPreProcessor。它在英语上运行得很好，但在中文上就不行。
请你能让我知道有什么好的中文分句最好是在Java或Python。
浏览 3提问于2014-12-12得票数 5
我正在尝试用来训练我自己的中文NER模型。我将数据转换为一行一个汉字，并在字符后面标注实体，它喜欢：
红ORG
帽ORG
首O
席O
执O
行O
官O
吉姆人
怀特赫斯特人
曾O
表O
示O
，O
亚ORG
马ORG
逊ORG
公O
共O
云O
有O
许O
多O
..。
在使用命令java -cp stanford-ner.jar edu.stanford.nlp.ie.crf.CRFClassifier -prop tech.prop之后，它最终生成了类符(chinese.misc.distsim.crf.ser.gz)。然后，我检查了类函数在带注释的测试数据上的工作方式，我使用了
浏览 4提问于2017-05-23得票数 1
1回答
我正在编写一个程序，可以将CJK音译为拉丁语(即拼音、罗马语等)。例如，您将中文、日文或韩文文档作为输入，然后将音译版本作为输出输入到拉丁文中。
我是这个领域的新手，所以请容忍我在这里。
显然，首先我需要检测语言的类型(汉语、日语或韩语)，然后再做进一步的研究。然后，据我所知，为了完成音译，我需要把文本分成单词，因为在这些语言中，单词之间没有空格。这叫做。最后，在找出单词后，我需要将它们音译为拉丁语。
所以我的问题是：
有很多(嗯，不是真的！)最好是一些)库来完成音译工作，因为我正在寻找C/C++中的开源库，所以我找到了Adson (只用于中文)和ICU4C。从Adson 克隆Git。我也
浏览 0提问于2012-11-19得票数 0
回答已采纳
10回答
把句子分成几个单独的词
、、、
我需要把一个中文句子分成几个单独的单词。中文的问题是没有空格。例如，这个句子看起来可能是：主楼怎么走 (空格是：主楼 怎么 走)。
现在我可以想出一个解决方案。我有一本有中文单词的词典(在数据库里)。剧本将：
尝试在数据库(主楼)中找到句子的前两个字符，
如果主楼实际上是一个单词，并且它在数据库中，脚本将尝试查找前三个字符(主楼怎)。主楼怎不是一个单词，所以它不在数据库=>中，我的应用程序现在知道主楼是一个单独的单词。
试着和其他角色一起做。
我真的不喜欢这种方法，因为即使分析一个小文本，它也会查询数据库太多次。
对此还有其他解决办法吗？
浏览 15提问于2010-01-26得票数 14
回答已采纳
我已经尝试了以下代码，但是代码不起作用，并且只输出null。
String text = "我爱北京天安门。";
StanfordCoreNLP pipeline = new StanfordCoreNLP();
Annotation annotation = pipeline.process(text);
String result = annotation.get(CoreAnnotations.ChineseSegAnnotation.class);
System.out.println(result);
结果是：
...
done [0.6 sec].
Using me
浏览 21提问于2016-07-15得票数 0
1回答
我正在尝试将文件集合从一个目录移动到另一个目录。
我有一个.txt列表，其中包含要移动的文件的部分名称(每行一个)。
示例：
-20100101-20101231-G-E92F9BA0A0C932C331273FCD845719813F0B617-1-GTOGR-FDS.txt“文件名："00012377000160-52200308419 ->
-> .txt文件中文件名中的内容: E92F9BA0A0C932C331273FCD845719813F0B617
看起来很简单，我必须: 1-找到包含存储在我的.txt文件2中的字符串的文件，然后将它们移到目录中。
但是..。
浏览 1提问于2013-09-26得票数 2
回答已采纳
我试图用Python中的斯坦福分词来分割一个中文句子，但是目前的结果中有标点符号。我想返回没有标点符号的结果，只返回单词。做这件事的最好方法是什么？我试着在谷歌上搜索答案，但什么也没找到。
浏览 1提问于2015-03-06得票数 2
回答已采纳
我试着按照perl代码来计算一个文件的中文字，看起来很好用，但没有得到正确的结果。任何帮助都是非常感谢的。
错误消息是
Use of uninitialized value $valid in concatenation (.) or string at word_counting.pl line 21, <FILE> line 21.
Total things = 125, valid words =
在我看来问题出在文件格式上。"total thing“是125，即字符串号(125行)。最奇怪的是，我的主机正确地显示了所有的中文单词，没有任何问题。utf-8杂注已安
浏览 6提问于2011-01-06得票数 3
3回答
我正在尝试用Rails构建一个可以帮助用户阅读中文文本的应用程序。如果用户点击一个汉字，他们会得到有关发音和含义的信息。
我使用一个汉英词典的数据库来实现这一点。然而，我不确定如何检测一个字符是单个字符还是一个较长单词的一部分。例如:我有文本我是铁公鸡，用户点击单词公，意思是“公共的”，但应用程序应该将突出显示的铁公鸡显示为“守财奴”。因此，字符可以是独立的东西，也可以是周围有其他字符的形式的单词。
什么是有效的方法来检测字符组成的单词？我正在考虑根据数据库检查目标角色和它的邻居，并选择可以找到的最长组合。还有其他想法吗？
浏览 2提问于2014-12-18得票数 1
1回答
我需要通过java输入域读取中文字符。我已经在我的系统中安装了中文，并且我已经将系统区域设置为中文。我可以用记事本上的美国键盘输入中文。当我输入我的应用程序时，我只得到英文字符。如何使java输入域读取汉字。请帮帮我。
浏览 3提问于2011-01-25得票数 0
回答已采纳
2回答
使用ICU进行分词
、、、、
我正在使用ICU4C来音译中日韩。我想知道是否有可能在ICU中进行分词，根据一些分词标准将中文文本分割成一系列的单词。
例如，当我尝试音译时：
直接输出html代码而不是作为函数返回值代后处理
使用
Transliterator* myTrans =
Transliterator::createInstance("zh-Latin",UTRANS_FORWARD, err);
UnicodeString str;
str.setTo("直接输出html代码而不是作为函数返回值代后处理");
myTrans->trans
浏览 3提问于2012-11-21得票数 0
回答已采纳
2回答
我正在尝试在Java GUI组件中使用中文字符。我已将键盘输出更改为中文，并且可以用中文键入Netbeans。此外，我可以编译这些Java文件。但是，当我运行这些程序时，字符显示为英文问号。我能做些什么来改变这一点呢？
浏览 1提问于2012-01-14得票数 2
1回答
在Server 2008 R2中，我偶然发现了奇怪的完整索引行为(我的破字语言是德语)。
我把这段文字编入了索引：
[...] Java Editorerstellung in Eclipse eines Modellierungseditors(UML) mit den Eclipse Technologien [...]
我反复检查:唯一出现的术语edi是在这个简短的文本片段中，我只能作为Editorerstellung und Modellierung蒸馏器的一部分找到它。
但是Server在其完整的文本索引(出现: 1)中仍然将edi作为一个单词，因此在ContainsTable(..
浏览 0提问于2013-03-27得票数 2
回答已采纳
当我加载一个中文文档(并非所有的中文documents.My需求文档都不是编码格式)时，我得到了以下的例外情况，它看起来像正常/普通的中文document.As每一个机密关切，我没有提供我的要求document.Kindly，提供您的输入来支持所有的中文document.Kindly文档。
org.pdfclown.util.NotImplementedException: Encrypted files are currently not supported.
at org.pdfclown.files.File.<init>(File.java:147)
at
浏览 2提问于2018-02-27得票数 0
回答已采纳
我安装了Python3.6.0，NLTK3.2.4，并下载了Stanford标签3.8.0。
然后，我尝试运行以下脚本：
#!/usr/bin/env python3
from nltk.tag import StanfordPOSTagger
st = StanfordPOSTagger('chinese-distsim.tagger')
print(st.tag('这 是 斯坦福 中文 分词器 测试'.split()))
输出的格式是意想不到的：
[('', '这#PN'), ('', '是#VC
浏览 6提问于2017-08-07得票数 2
回答已采纳
下面的代码展示了我想在java静态方法上复制的语义。
((partial apply (fn [x y] (print x y \newline))) ["one" "two"])
1 2
零
但是，当在静态方法上求值时，会引发以下异常。
((partial apply File/createTempFile) ["hello" ".txt"])
CompilerException java.lang.RuntimeException:在类java.io.File中找不到静态字段: createTempFile，正在编译：(NO_
浏览 1提问于2012-06-28得票数 2
回答已采纳
我正在生成一个区域设置列表，并使用java.util.Locale打印出它们的本地显示语言(例如，将ja_JP打印为日本語)。我注意到zh_CN (简体中文)和zh_TW (繁体中文)都本地化为中文，而不是简体中文和繁体中文。有没有办法让这些地区包含简体和繁体的前缀字符，而不硬编码zh_CN应该是简体中文，zh_TW应该是繁体中文？我知道我可以打印出语言+国家(即中文(中国)，但这并不完全相同。
下面是一个java代码片段，演示了它们是一样的：
import java.util.Locale;
public final class test {
public static void ma
浏览 0提问于2014-12-03得票数 9
1回答
我正在研究多语种(英语、阿拉伯语、汉语)，我遇到了一个问题:如何标记数据？
我的火车数据提供了每个命名实体的句子和跨度列表。
例如：
[('The', 'DT'),
('company', 'NN'),
('said', 'VBD'),
('it', 'PRP'),
('believes', 'VBZ'),
('the', 'DT'),
('suit', 'NN'
浏览 0提问于2021-03-04得票数 0
回答已采纳
1回答
我正在尝试使用来解析Mathematica代码。我使用gradle插件来生成java代码。生成的文件中有两个包含不正确的java代码，如下所示：
private void LBARBRACKET_action(RuleContext _localctx, int actionIndex) {
switch (actionIndex) {
case 12:
self.incrementBracketLevel(1);
break;
}
}
也许我可以去掉所有的“自我”但我不想这么做。有没有人遇到过同样的问题？
浏览 23提问于2016-08-20得票数 2
回答已采纳
1回答
我需要将命令的输出赋值给变量。我试过的命令是：
#!/bin/bash
JAVA_PROCESSES=`jps -vl | grep -v 'sun.tools.jps.Jps' | grep -v 'hudson.remoting.jnlp.Main' | grep -v grep`
NUMBER_OF_JAVA_PROCESSES=`echo $JAVA_PROCESSES | wc -l`
echo $NUMBER_OF_JAVA_PROCESSES
echo $JAVA_PROCESSES
..
当我尝试像在上面一样，所有java进程trie
浏览 5提问于2017-09-30得票数 2
回答已采纳
2回答
你好，我在Win10和Git 2.35.1。
$ git --version
git version 2.35.1.windows.1
我想我的Git Bash终端有一些编码问题。例如，如果我输入java，我得到的消息都是mojibake。
(我不知道为什么我的Java要用英语以外的其他语言进行打印。)在安装JRE或JDK时，我没有配置任何特殊的东西。)
$ java
▒÷▒: java [-options] class [args...]
(ִ▒▒▒▒)
▒▒ java [-options] -jar jarfile [args...]
(
浏览 4提问于2022-04-17得票数 3
回答已采纳
我正在尝试解析基于空格(空格、回车键、制表符)的字符串(有些可能很长，段落)。当前正在使用String.split("\\s++")。在我们正在更新的前一个项目中，我们简单地使用了StringTokenizer。在我们所有的测试和测试版测试中，使用String.split("\\s++")效果都很好。 在我们将其发布给扩展用户的那一刻，它会运行一段时间，直到它耗尽所有服务器资源。从我的研究来看，这似乎是灾难性的回溯。我们会得到如下错误： ....was in progress with java.base@11.0.5/java.util.regex.
浏览 14提问于2019-12-20得票数 0
可以配置Gradle来更改java编译器的输出区域设置或编码吗？
问题:在Windows上运行gradle时使用非英文的默认本地语言(特别是中文)
可以通过配置Java来实现这一点，例如。
Gradle能做到吗(这只适用于这个构建，CI工作)？
更新：
如Vadim所述，对于源代码编码，使用此代码片段。
tasks.withType(Compile) {
options.encoding = 'UTF-8'
}
详细信息: Gradle调用Java compile，缺省为系统区域设置(在我的例子中是中文)。因此，当出现错误时，它会以中文显示。Java文档中说要通过环境变
浏览 0提问于2014-07-29得票数 3
1回答
我想扩展现有的环境变量JAVA_OPTS，其中包含一个引号字符串的参数：
-XX:OnOutOfMemoryError="echo Killing the process because of the OutOfMemoryError.; kill -9 %p"
我试着用反斜杠转义引号：
#!/bin/bash
JAVA_OPTS="$JAVA_OPTS -XX:OnOutOfMemoryError=\"echo Killing the process because of the OutOfMemoryError.; kill -9 %p\""
浏览 4提问于2017-01-13得票数 1
当我使用将中文信息插入到文档中时，库仍然给我一个错误的代码名为doc，所以我想知道java2word在处理中文时使用的是哪个字符集。我的工作空间字符集是utf8，所以我尝试将中文字符串更改为GBK,ISO-8859-1，甚至是GB2312，但java2word不能很好地工作，它给出了不同的字符集，名为doc，并且这些字符集都以错误的代码显示。
我的版本：
ms word 2013 simple chinese
jdk 1.7.0.55
浏览 4提问于2014-06-09得票数 0
我们在数据库中有中文和英文的数据。使用java servlets，我想在页面中显示中文数据。
使用SQL_JDBC_DRIVER选择中文值并显示在结果页中
while (rs.next()) {
vendorname = rs.getString("vendorname_cn");
}
} catch (Exception e2) {
System.out.println(e2);
}
out.prin
浏览 17提问于2018-08-28得票数 0
回答已采纳
多渠道打包的渠道名称和标识都必须是英文或数字吗？不能中文吗？渠道名称换成中文打开应用报错java.lang.IllegalArgumentException: Unexpected char 0xb0 at 0 in market value: °²×¿，直接崩溃
浏览 679提问于2019-01-08
1回答
我正在阅读一张Excel表格，其中有英文和中文的描述。我想要区分这些数据。
如何在Java中做到这一点。
中文字符的ASCII范围值是多少。
浏览 0提问于2012-02-01得票数 2
回答已采纳
1回答
在构建虚拟FTS3表的过程中，如何防止SQLite3不索引某些关键字或“停用字”？
我不想索引的例子包括"is"，"the"，"a“等。
浏览 1提问于2011-06-11得票数 3
回答已采纳
1回答
我正在使用OpenNLP JAVA API进行句子标记化，它使用空格字符对句子进行标记化，并拆分每个单词。
有没有办法可以跳过某些特定单词的拆分或标记化。
例如，在一个句子中。“一只敏捷的棕色狐狸跳过懒狗”。OpenNLP拆分/标记化句子为
一个
快的
棕色
狐狸
跳跃
结束
懒人
狗
我想跳过单词“敏捷的棕色狐狸”和“懒狗”的标记化，因此预期的输出将是
一个
敏捷的棕色狐狸
跳跃
结束
这个
懒狗
浏览 1提问于2016-03-12得票数 0
我有一个java应用程序。我的目标是用中文language.CONSTRAINT显示网页:客户对谷歌翻译不满意。
-Is有任何其他的方式来显示它的中文，而不用使用这种类型的翻译。
浏览 1提问于2015-01-29得票数 0
回答已采纳
我们有一个运行在fedora core 5下的java应用程序，jdk版本是1.5。在/usr/share/fonts下安装chinses/TrueType后，firefox可以显示中文页面，但java应用程序不会显示这些中文unicode (\uXXXX)。我修改了jre/lib/fontconfig.properties.src文件以添加一行"appendedfontpath=/usr/share/fonts/chinese/TrueType".但仍然是一样的。
有人能帮我吗？谢谢,
浏览 0提问于2009-12-03得票数 1
1回答
在文档中，我将看到使用params调用java类：
java edu.stanford.nlp.parser.nndep.DependencyParser -tlp edu.stanford.nlp.trees.international.pennchinese.ChineseTreebankLanguagePack -trainFile -trainFile/Tra.conll -devFile -devFile/dev.conll -embedFile -embedFile/Embeddings.txt -embeddingSize 50 -model nndep.chinese.mod
浏览 3提问于2014-12-27得票数 0
回答已采纳
在java和js中使用正则表达式\b有什么不同吗？
我试过以下测试：
在javascript中：
console.log(/\w+\b/.test("test中文"));//true
在java中：
String regEx = "\\w+\\b";
text = "test中文";
Pattern pattern = Pattern.compile(regEx);
Matcher matcher = pattern.matcher(text);
while(matcher.find()) {
System.out.println(&
浏览 3提问于2015-05-24得票数 3
回答已采纳
我有一台运行Win Vista的PC笔记本，当我第一次购买它时，某些中文字体不会显示，我只能看到矩形，但我玩了一段时间的控制设置，更改了一些属性，现在它可以正确显示中文字体，但我不记得我做了什么。
现在我的一些程序同时显示英文和中文，就像这样："Enter |输入“(这里的中文意思也是enter)，但是如果用户没有在他的机器上正确安装中文字体，他会看到这样的东西："Enter | "，我的问题是:在Java中如何检测这些字符是否在某台机器上正确显示，如果不正确，只显示"Enter"，如果正确，则显示"Enter |输入”。
弗兰克
浏览 2提问于2010-02-16得票数 10
回答已采纳
对不起，如果这个问题很愚蠢，我有点困惑，假设我在我的Windows XP上有一个应用程序(无论是C、C++、.NET还是Java)，这个应用程序将从一台远程机器上获取数据，数据中包含中文字符，现在如果中文字符变成了垃圾，那么说Windows与这个问题无关是正确的吗？因为Windows使用UTF-16，并且可以正确处理中文字符。
另一方面，假设Windows使用ASCII作为其内部编码，这是否意味着它上的任何应用程序都无法正确显示中文字符？
提前谢谢。
浏览 3提问于2011-10-31得票数 2
回答已采纳
我有一个java进程，我试图将多个参数从bash文件中的环境变量加载到它。示例：
export JAVA_OPTS="-Dparam.one.name=value_one -Dparam.two.name=value_two"
#not working:
java \
"${JAVA_OPTS}" \
-jar cookie.jar
#working:
java \
-Dparam.one.name=value_one \
-Dparam.two.name=value_two \
-jar cookie.jar
有办法绕过这件事吗？这是格
浏览 3提问于2022-01-28得票数 1
回答已采纳
我正在尝试用Java建立一个中文抽认卡程序来帮助我自己学习中文。我使用的是intelliJ IDEA 10，其基本过程是我的程序将读取保存在本地机器上的文件来生成抽认卡。该文件是使用java中的file类编写的。在记事本中打开时，它可以正确显示所有字符。
当我在IDE中运行它时，我能够显示中文字符和拼音字符(基本上是带有重音标记的元音)。但是，当我构建一个jar文件并从那里启动程序时，它不再显示特殊字符，最后显示了一堆奇怪的符号。
有什么想法可以解释为什么会出现这种情况，以及如何修复它？
浏览 0提问于2011-06-06得票数 3
回答已采纳
我正在尝试熟悉Java IO类，所以我编写了以下代码：
public static void main(String[] args)throws IOException {
FileOutputStream fos = new FileOutputStream("fileIO.txt");
BufferedOutputStream bos = new BufferedOutputStream(fos);
DataOutputStream dos = new DataOutputStream(bos);
//fos.write(9999);
浏览 1提问于2011-03-31得票数 1
回答已采纳
我有一个带有java bean的java webservice应用程序。我如何确定WEB-INF目录中文件的完整路径。
浏览 0提问于2012-01-17得票数 1
我有一份包括中文和英文的文本文件。我想把它分成两部分，或者两个文件。一个文档只包含中文部分，另一个文档仅包含英文部分。在Java中有没有办法做到这一点？
浏览 1提问于2013-08-01得票数 0
1回答
我有这样的代码：
for dir in "/Users/vskumar/Dropbox/alexa"/*
do
echo $dir
value=`cat $dir`
echo value
done
目录中的第一个文件的名称如下：
amazon_alexa_february_7__2017_at_0504pm (2).txt
我得到的输出是：
/Users/vskumar/Dropbox/alexa/amazon_alexa_february_7__2017_at_0504pm (2).txt
cat: /Users/vskumar/Dropbox/alexa/ama
浏览 17提问于2017-02-08得票数 1
回答已采纳
我正在创建一个网站，将在英语，中文和韩语。在某些页面上有很大一部分布局和文本，例如“关于”页面。这个页面将有许多标题，许多文本段落和一些布局。
我的网站国际化的推荐方式是什么？我所见过的所有示例都是简短的文本或按钮/链接等的文本。
我唯一的选择是在我的locales yaml文件中有大量的键/值对吗？或者有没有更好的方法来做到这一点？目前我在我的yaml中有一个键/值，键以_html结尾，所以我可以在键中有html，但所有这些都必须在一行上，所以它相当难看，很难维护，而且容易出错。
浏览 1提问于2012-02-07得票数 22
回答已采纳
1回答
在中，我可以看到它使用递归神经网络。从公开讲座()中，我了解到这些网络在解析树的每个节点上计算短语向量。
我试图让分析器输出短语向量，这样我就可以在二维平面上绘制它们，但到目前为止，我还没有弄清楚。-有人能告诉我计算java对象和行号的地方吗？(我怀疑他们会在第765行)
private void setupClassifierForTraining(List<CoreMap> trainSents, List<DependencyTree> trainTrees, String embedFile, String preModel) {
double[][]
浏览 2提问于2016-05-22得票数 1
回答已采纳
当我在php文件中输出英文字符串时，这个应用程序可以通过从输入流获取吐司来显示消息。但是，当我在php文件中输出中文字符串时，我执行了以下代码来转换为UTF-8，但是我无法获得中文字符串。
java：
InputStream IS = httpURLConnection.getInputStream();
BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(IS,"ISO-8859-1"));
StringBuilder result = new StringBuilder();
St
浏览 2提问于2016-08-02得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
