相识词设计思路及实现方法

2023-11-26 20:01

本文主要是介绍相识词设计思路及实现方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

1.业务背景

2.实现方法

        第一种:

    ​编辑

        第二种:

3.相关材料


1.业务背景

        业务有全文检索功能,然后根据标书的要求需要有近似词的功能,一般近似词需要模型训练之后成为词库,是需要大数据相关人员负责。负责人表示简单实现一个不需要那么复杂,如输入 张三显示于张三有关的信息表示。作为开发的当然不允许这么草率实现一个功能,相识近似至少要能识别中文语义才行。

2.实现方法

        第一种:

              在网上找到一个 shibing624 similarity 的jar 包,里面包含了词语短句中文以及字符串的格式相识,通过比较都得一个相识分。然后在网上找到一个简单的词库,通过流的形式读取出来然后挨个比较。得出分数高的返回即可,嘿嘿嘿,想法不错。

    

        这是词库的格式得按照一定格式解析,考虑近似词使用可能比较频繁,每次本地IO也挺消耗资源,所以给他干以放在内存,因为词库数据可能存在重复的情况,使用set集合

private static Set<String> lexiconResourcePaths = new HashSet<>();private static Set<String> lexiconData = new HashSet<>();/*** 词典预热*/@PostConstructpublic void lexiconPreheat() {loadResource();analysisLexicon();}/*** 加载资源*/private void loadResource() {lexiconResourcePaths.add(getClass().getClassLoader().getResource("lexicon/jinyici.txt").getFile());}/*** 解析本地词典** @return*/private void analysisLexicon() {StringBuilder result = new StringBuilder();lexiconResourcePaths.forEach(filePath -> {File file = new File(filePath);try {// 构造一个BufferedReader类来读取文件BufferedReader br = new BufferedReader(new FileReader(file));String s = null;// 使用readLine方法,一次读一行while ((s = br.readLine()) != null) {result.append(System.lineSeparator() + s);}br.close();} catch (Exception e) {e.printStackTrace();}});String str = result.toString().replace("\r\n", " ");lexiconData = Arrays.stream(str.split(" ")).collect(Collectors.toSet());}

        然后就是将要获取同义词的和词库一一比计较,且必须得按照分数分值高的排序。

        添加的时候会遇到几种情况,所以是添加的时候去比较,且可以根据前端传递的长度返回前几位,有几种情况

@Overridepublic List<SearchSimilarityVo>  execute(SimilarSearchParam param) {List<SearchSimilarityVo> resultVo = new LinkedList<>();lexiconData.forEach(word -> {double score = Similarity.conceptSimilarity(param.getSearchContent(), word);if (score < 0.7 || StringUtils.isEmpty(word)){return;}SearchSimilarityVo currentData = new SearchSimilarityVo(word, score);if (resultVo.size() >= 1) {int lastIndex = resultVo.size() - 1;SearchSimilarityVo lastData = resultVo.get(lastIndex);Double acquaintanceshipScore = lastData.getScore();// 大于if (score > acquaintanceshipScore) {while (true) {if (lastIndex == 0) {// 最小break;}lastIndex--;lastData = resultVo.get(lastIndex);if (score > lastData.getScore()) {continue;} else {lastIndex++;break;}}// 1.大于长度 删除末尾if (resultVo.size() >= param.getSize()) {resultVo.remove(resultVo.size() - 1);}resultVo.add(lastIndex, currentData);} else if (resultVo.size() < param.getSize()) {// 2.小于且不超过总长度resultVo.add(currentData);}} else {// 3.第一个resultVo.add(currentData);}});System.out.println("resultVo{}:" + resultVo);return resultVo;}

        功能是实现了,但其实每次去比较这么多其实还是挺耗时间,词库 就 30000次每次都去比较,性能就不用说了,肯定慢,而且一旦遇到分数高的还得将数据进行排序,所以我这使用的是 linklist 会强一点,且在添加的时候已经将顺序排号,过滤了低分。

        但是这种词库不出意外的肯定出意外了,客户说这同义词没啥用。嘿嘿嘿给我说,词库这方面我们还没想法,要不这样你就知识库(也就是 用户名 邮箱 电话 相关的三个库),要求比如输入英文名 能显示中文名,就这样一个实例,没错,剩下的又是我自己发挥的时候,开发真难,抱着客户都是祖宗的原则,我只能,害,这不简简单单的事情嘛。

        第二种:

           只有一个实例,剩下的都得自己想,首先是姓名 手机 邮箱的库,要我说就简单粗暴一些就全字段匹配将符合的一行数据全部匹配返回就完事了。唉,谁让我是个合格开发勒,这种低级耗时的设计代码我是一行都不想写,必须得高级。

        正则表达式怎么样,首先根据输入的内容判断其输入的是什么,在根据其输入的内容格式去匹配最相识的格式,嘿嘿嘿,我确实想这么做,比如你输入手机号 123456  刚好库里有123457,第一符合的放前面,但是有点不符合客户的想法输入中文名 提示英文名()

        同步es怎么样,毕竟三张表多字段匹配管理查询效率不说,且sql写起来也麻烦不是,直接组成宽表搞到es,嘿嘿嘿,还能分词,好是好,又得考虑同步问题,咋比对值有没有改变还是直接全部更新一遍,想的这头疼,好希望公司有个项目经理,这种方案的事我就不操心了。

        TODO 代码实现后补充

3.相关材料

GitHub - shibing624/similarity: similarity: Text similarity calculation Toolkit for Java. 文本相似度计算工具包,java编写,可用于文本相似度计算、情感分析等任务,开箱即用。

这篇关于相识词设计思路及实现方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/426244

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Java中的String.valueOf()和toString()方法区别小结

《Java中的String.valueOf()和toString()方法区别小结》字符串操作是开发者日常编程任务中不可或缺的一部分,转换为字符串是一种常见需求,其中最常见的就是String.value... 目录String.valueOf()方法方法定义方法实现使用示例使用场景toString()方法方法

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("