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

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

PyQt6/PySide6中QTableView类的实现

《PyQt6/PySide6中QTableView类的实现》本文主要介绍了PyQt6/PySide6中QTableView类的实现,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... 目录1. 基本概念2. 创建 QTableView 实例3. QTableView 的常用属性和方法

PyQt6/PySide6中QTreeView类的实现

《PyQt6/PySide6中QTreeView类的实现》QTreeView是PyQt6或PySide6库中用于显示分层数据的控件,本文主要介绍了PyQt6/PySide6中QTreeView类的实现... 目录1. 基本概念2. 创建 QTreeView 实例3. QTreeView 的常用属性和方法属性

Android使用ImageView.ScaleType实现图片的缩放与裁剪功能

《Android使用ImageView.ScaleType实现图片的缩放与裁剪功能》ImageView是最常用的控件之一,它用于展示各种类型的图片,为了能够根据需求调整图片的显示效果,Android提... 目录什么是 ImageView.ScaleType?FIT_XYFIT_STARTFIT_CENTE

Spring 中的循环引用问题解决方法

《Spring中的循环引用问题解决方法》:本文主要介绍Spring中的循环引用问题解决方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录什么是循环引用?循环依赖三级缓存解决循环依赖二级缓存三级缓存本章来聊聊Spring 中的循环引用问题该如何解决。这里聊

pandas中位数填充空值的实现示例

《pandas中位数填充空值的实现示例》中位数填充是一种简单而有效的方法,用于填充数据集中缺失的值,本文就来介绍一下pandas中位数填充空值的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是中位数填充?为什么选择中位数填充?示例数据结果分析完整代码总结在数据分析和机器学习过程中,处理缺失数

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型