nlp-keyword 高性能的 java 分词关键词提取实现，基于分词 segment。
愿景：成为 java 最好用的关键词工具。
-
灵活的条件指定
-
基于 TF-IDF 算法的关键字算法
-
支持 auto-summary 自动摘要生成
-
文本相似度计算支持
<dependency>
<groupId>com.github.houbb</groupId>
<artifactId>nlp-keyword-core</artifactId>
<version>1.2.0</version>
</dependency>- 获取关键词
final String text = "这是一个伸手不见五指的黑夜，夜太美。";
List<IKeywordResult> keywords = KeywordHelper.keyword(text);
Assert.assertEquals("[伸手不见|0.86879235325, 太美|0.70848301840625, 伸手不见五指|0.63371734601875, 黑夜|0.509854654010625, 伸手|0.43563643037625]", keywords.toString());- 指定返回的个数
final String text = "这是一个伸手不见五指的黑夜，夜太美。";
List<IKeywordResult> keywords = KeywordHelper.keyword(text, 1);
Assert.assertEquals("[伸手不见|0.86879235325]", keywords.toString());- 指定返回的格式
final String text = "这是一个伸手不见五指的黑夜，夜太美。";
List<String> keywords = KeywordHelper.keyword(text, 1, KeywordResultHandlers.words());
Assert.assertEquals("[伸手不见]", keywords.toString());<dependency>
<groupId>com.github.houbb</groupId>
<artifactId>nlp-keyword-summary</artifactId>
<version>1.2.0</version>
</dependency>final String text = "你好啊，我的老伙计。最近过得怎么样？我实在是觉得太久没有看见你了。听说北海的花开了，太久没去了。故事的最后会怎么样呢？我也不清楚。";
String summary = AutoSummaryHelper.autoSummary(text);<dependency>
<groupId>com.github.houbb</groupId>
<artifactId>nlp-keyword-similarity</artifactId>
<version>1.2.0</version>
</dependency>final String source = "我喜欢看电影，读书和旅游。";
final String target = "我不喜欢看电影。我爱唱跳、RAP、Music~";
double rank = SimilarityHelper.similarity(source, target);结果：
0.677537337470188
-
[] 字典数据独立，便于用户自定义选择
-
文本相似度
-
auto-summary 自动摘要
-
完善文档+测试用例