溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關如何使用Hanlp加載大字典，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
問題
因為需要加載一個 近 1G 的字典到Hanlp中，一開始使用了CustomDictionay.add() 方法來一條條的加載，果然到了中間，維護DoubleArraTre 的成本太高，添加一個節點，都會很長時間，本來時間長一點沒有關系，只要訓練出.bin 的文件，第二次加載就會很快，然而作為以空間換時間的DAT結構，內存消耗很大，預料之內的出現了
out of memory: heap size
1
的問題。 后來嘗試直接加載了1G 的字典，顯然更不行。
思路
閱讀了Hanlp的 部分源碼，也請教了原作者一部分問題， 就打算從源碼入手。初步想法大概是將原始字典
split 成多份，然后分別將多份的小字典 訓練成 多個小的.bin 文件，再完整的加載到內存中，基于的原則則是：加載兩個10M的字典的消耗比一個20M的要小。
然后又優化了一部分，現在加載一個大概1G的字典，占內存約3g+ ，已經可以使用了。
大概流程
修改 CustomDictionary.java 設置一個 hashmap 或者 一個 list 來存儲所有的小Dat
將所有的dat加載完，這里就不再區分主副字典了。
修改Segment.java里面的combineByCustomDictionary 函數，源碼中只有一個dat， 這里我們需要選擇我們容器中其中某一個dat作為要匹配使用，之前使用的方案是，遍歷所有的dat，知道有了匹配，但是這樣缺陷很明顯，解決不了多個字典匹配同一個詞的字串的情況，這里我的考察方案是，字典中的同一個字開始的詞條映射到同一個文件，這樣不會出現字串問題了。
關于“如何使用Hanlp加載大字典”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
