HowNet介绍及相关API的使用方法 - CSDN博客

知网(英文名称HowNet)，是一个以汉语和英语的词语所代表的的概念为描述对象，以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识 ... HowNet介绍及相关API的使用方法 JermeryBesian 已于 2022-03-0311:17:50 修改 4987 收藏 31 分类专栏： NLP 文章标签： 自然语言处理 python 人工智能 于 2021-03-2208:46:50 首次发布 版权声明：本文为博主原创文章，遵循CC4.0BY-SA版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Urbanears/article/details/115061798 版权 NLP 专栏收录该内容 8篇文章 5订阅 订阅专栏 HowNet Introduction 知网(英文名称HowNet)，是一个以汉语和英语的词语所代表的的概念为描述对象，以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库。

HowNet是董振东先生、董强先生父子毕三十年之功标注的大型语言知识库，主要面向中文（也包括英文）的词汇与概念。

HowNet秉承还原论思想，认为词汇/词义可以用更小的语义单位来描述。

这种语义单位被称为“义原”（Sememe），顾名思义就是原子语义，即最基本的、不宜再分割的最小语义单位。

在不断标注的过程中，HowNet逐渐构建出了一套精细的义原体系（约2000个义原）。

HowNet基于该义原体系累计标注了数十万词汇/词义的语义信息。

官网地址：WelcometoHowNet!–欢迎来到《知网》!(keenage.com) OpenHowNet OpenHowNet是一个由清华大学自然语言处理实验室开发的HowNetAPI组件。

该API提供了方便的知网信息搜索、义位树显示、通过义位计算单词相似度等功能。

更多信息可以参考链接：thunlp/OpenHowNet:CoreDataofHowNetandOpenHowNetPythonAPI(github.com) 接下来着重以OpenHowNet来介绍如何对应API访问知网内容。

OpenHowNetAPI Requirements Python==3.6anytree==2.4.3tqdm==4.31.1requests==2.22.0 Installation Installationviapip(recommended)pipinstallOpenHowNet InstallationviaGithubgitclonehttps://github.com/thunlp/OpenHowNet/ cdOpenHowNet/OpenHowNet bashmerge.sh Interface interfacesdescriptionparamsget(self,word,language=None)搜索目标词的所有注释信息。

word是待搜索的目标词.lang表示语言类型，中文(zn)或英文(en).默认是同时搜索两种语言下的所有信息。

get_sememes_by_word(self,word,structured=False,lang=‘zh’,merge=False,expanded_layer=-1)搜索目标词的义原。

可以选择是否合并结果中的多个含义、结果本身是否结构化以及树的扩展层。

word是目标词lang表示语言类型。

structured表示是否结果是结构化的。

merge表示是否对结果进行合并，以及expanded_layer表示扩展的层数，-1表示扩展所有层initialize_sememe_similarity_calculation(self)初始化高级特征的实现来计算基于语义的单词相似度。

可能会需要一些时间来读取必要的文件。

calculate_word_similarity(self,word0,word1)计算两个单词的相似度。

在调用此函数之前，需要运行上面的初始化命令。

word0和word1表示待计算的两个单词。

get_nearest_words_via_sememes(self,word,K=10)通过义原计算出与目标词最接近的K个词的相似度。

word是待查询的目标词,K表示设置的最接近的K个词。

get_sememe_relation(self,sememe0,sememe1)找出两个义原之间的关系。

sememe0和sememe1待查询的两个义原get_sememe_via_relation(self,sememe,relation,lang=‘zh’)获取与输入义原具有指定关系的所有义原。

sememe表示指定的义原,relation表示指定的关系,lang表示语言类型，中文(zn)或英文(en). Usage Installation 使用前需要下载HowNet的coredata，需要采用下述命令进行下载： OpenHowNet.download() import importOpenHowNet hownet_dict=OpenHowNet.HowNetDict() GetWordAnnotationsinHowNet 默认情况下，该api会同时在英语和中文里检索目标词，这将导致巨大的搜索开销。

注意，如果目标单词在HowNet注释中不存在，该api将简单地返回一个空列表。

>>>result_list=hownet.dict.get("苹果") >>>print(len(result_list)) 6 >>>print(result_list[0]) {'Def':'{computer|电脑:modifier={PatternValue|样式值:CoEvent={able|能:scope={bring|携带:patient={$}}}}{SpeBrand|特定牌子}}','en_grammar':'noun','ch_grammar':'noun','No':'127151','syn':[{'id':'004024','text':'IBM'},{'id':'041684','text':'戴尔'},{'id':'049006','text':'东芝'},{'id':'106795','text':'联想'},{'id':'156029','text':'索尼'},{'id':'004203','text':'iPad'},{'id':'019457','text':'笔记本'},{'id':'019458','text':'笔记本电脑'},{'id':'019459','text':'笔记本电脑'},{'id':'019460','text':'笔记本电脑'},{'id':'019461','text':'笔记本电脑'},{'id':'019463','text':'笔记簿电脑'},{'id':'019464','text':'笔记簿电脑'},{'id':'020567','text':'便携式电脑'},{'id':'020568','text':'便携式计算机'},{'id':'020569','text':'便携式计算机'},{'id':'127224','text':'平板电脑'},{'id':'127225','text':'平板电脑'},{'id':'172264','text':'膝上型电脑'},{'id':'172265','text':'膝上型电脑'}],'ch_word':'苹果','en_word':'apple'} 上述“苹果”一词在HowNet有6个代表义项，分别标注义原信息如下，其中每个“xx|yy”代表一个义原，“|”左边为英文右边为中文；义原之间还被标注了复杂的语义关系，如modifier、CoEvent、scope等，从而能够精确地表示词义的语义信息。

同时可以将检索到的目标词的HowNet结构化义原注释(“义原树”)可视化如下(K=2表示仅显示由输入词表示的两个概念的义原树) >>>hownet_dict.visualize_sememe_trees("苹果",K=2) Find6result(s) Display#0sememetree [sense]苹果 └──[None]computer|电脑 ├──[modifier]PatternValue|样式值 │└──[CoEvent]able|能 │└──[scope]bring|携带 │└──[patient]$ └──[patient]SpeBrand|特定牌子 Display#1sememetree [sense]苹果 └──[None]fruit|水果 为了提高搜索过程的效率，可以将目标单词的语言指定为如下所示: >>>print("Numberofalltheresults:",len(hownet_dict.get("X"))) Numberofalltheresults:5 >>>print("NumberofChineseresults:",len(hownet_dict.get("X",language="zh"))) NumberofChineseresults:3 >>>print("NumberofEnglishresults:",len(hownet_dict.get("X",language="en"))) NumberofEnglishresults:2 GetAllWordsAnnotatedinHowNet #GetAllWordsAnnotatedinHowNet >>>zh_word_list=hownet_dict.get_zh_words() >>>print(zh_word_list[:30]) ['','"','#','#号标签','$','%',"'",'(',')','*','+','-','--','...','...出什么问题','...底','...底下','...发生故障','...发生了什么','...何如','...家里有几口人','...检测呈阳性','...检测呈阴性','...来','...内','...为止','...也同样使然','...以来','...以内','...以上'] >>>print("AllZh-WordsAnnotatedinHowNet:",len(zh_word_list)) AllWordsAnnotatedinHowNet:127262 >>>zh_word_list=hownet_dict.get_zh_words() >>>print(zh_word_list[:30]) ['A','An','Frenchmen','Frenchwomen','Ottomans','a','aardwolves','abaci','abandoned','abbreviated','abode','aboideaux','aboiteaux','abscissae','absorbed','acanthi','acari','accepted','acciaccature','acclaimed','accommodating','accompanied','accounting','accused','acetabula','acetified','aching','acicula','acini','acquired'] print("AllZh-WordsAnnotatedinHowNet:",len(zh_word_list)) AllEnglishWordsAnnotatedinHowNet:118261 可以看出中文和英文标注语料的大小，以及对应内容的示例。

GetStructuredSememeTreesforCertainWordsinHowNet {'role':'sense','name':'苹果','children':[ {'role':'None','name':'computer|电脑','children':[ {'role':'modifier','name':'PatternValue|样式值','children':[ {'role':'CoEvent','name':'able|能','children':[ {'role':'scope','name':'bring|携带','children':[ {'role':'patient','name':'$'} ]} ]} ]}, {'role':'patient','name':'SpeBrand|特定牌子'} ]} ]} GettheSynonymsoftheInputWord 相似性度量是基于义原的。

>>>synonyms=hownet_dict["苹果"][0]["syn"] >>>print("Synonyms:",synonyms) Synonyms:[{'id':'004024','text':'IBM'},{'id':'041684','text':'戴尔'},{'id':'049006','text':'东芝'},{'id':'106795','text':'联想'},{'id':'156029','text':'索尼'},{'id':'004203','text':'iPad'},{'id':'019457','text':'笔记本'},{'id':'019458','text':'笔记本电脑'},{'id':'019459','text':'笔记本电脑'},{'id':'019460','text':'笔记本电脑'},{'id':'019461','text':'笔记本电脑'},{'id':'019463','text':'笔记簿电脑'},{'id':'019464','text':'笔记簿电脑'},{'id':'020567','text':'便携式电脑'},{'id':'020568','text':'便携式计算机'},{'id':'020569','text':'便携式计算机'},{'id':'127224','text':'平板电脑'},{'id':'127225','text':'平板电脑'},{'id':'172264','text':'膝上型电脑'},{'id':'172265','text':'膝上型电脑'}] 该方法其实就是从get方法中，获取到返回结果中的syn键值。

GetRelationshipBetweenTwoSememes 你输入的义原可以是任何语言。

>>>relation=hownet_dict.get_sememe_relation("音量值","shrill") >>>print("relation:",relation) relation:hyponym relation=hownet_dict.get_sememe_relation("音量值","尖声") print("relation:",relation) relation:hyponym GetSememeoftheInputWord 获取目标词对应的义原内容。

#getsememe >>>sememe=hownet_dict.get_sememes_by_word("包袱") >>>print("sememe:",sememe) sememe:[{'word':'包袱','sememes':{'责任'}},{'word':'包袱','sememes':{'责任'}},{'word':'包袱','sememes':{'放置','用具','包扎'}},{'word':'包袱','sememes':{'放置','用具','包扎'}},{'word':'包袱','sememes':{'放置','用具','包扎'}}] AdvancedFeature:WordSimilarityCalculationviaSememes ExtraInitialization 因为相似度计算需要加载一些文件，所以初始化开销会比以前更大。

首先需要将hownet_dict对象初始化为以下代码: >>>hownet_dict_advanced=OpenHowNet.HowNetDict(use_sim=True) 同时还可以推迟相似性计算的初始化工作，直到使用为止。

下面的代码用作示例，返回值将指示额外的初始化过程是否成功。

>>>status=hownet_dict.initialize_sememe_similarity_calculation() >>>print("status:",status) status:True GetTop-KNearestWordsfortheInputWord 如果给定的单词在HowNet注释中不存在，该函数将返回一个空列表。

>>>query_result=hownet_dict_advanced.get_nearest_words_via_sememes("苹果",20) >>>example=query_result[0] >>>print("word_name:",example['word']) word_name:苹果 >>>print("id:",example["id"]) id:127151 >>>print("synsetandcorresondingword&id&score:") >>>print(example["synset"]) synsetandcorresondingword&id&score: [{'id':4024,'word':'IBM','score':1.0}, {'id':41684,'word':'戴尔','score':1.0}, {'id':49006,'word':'东芝','score':1.0}, {'id':106795,'word':'联想','score':1.0}, {'id':156029,'word':'索尼','score':1.0}, {'id':4203,'word':'iPad','score':0.865}, {'id':19457,'word':'笔记本','score':0.865}, {'id':19458,'word':'笔记本电脑','score':0.865}, {'id':19459,'word':'笔记本电脑','score':0.865}, {'id':19460,'word':'笔记本电脑','score':0.865}, {'id':19461,'word':'笔记本电脑','score':0.865}, {'id':19463,'word':'笔记簿电脑','score':0.865}, {'id':19464,'word':'笔记簿电脑','score':0.865}, {'id':20567,'word':'便携式电脑','score':0.865}, {'id':20568,'word':'便携式计算机','score':0.865}, {'id':20569,'word':'便携式计算机','score':0.865}, {'id':127224,'word':'平板电脑','score':0.865}, {'id':127225,'word':'平板电脑','score':0.865}, {'id':172264,'word':'膝上型电脑','score':0.865}, {'id':172265,'word':'膝上型电脑','score':0.865}] CalculatetheSimilarityforGivenTwoWords 如果在HowNet注释中没有任何给定的单词，该函数将返回0。

>>>word_similarity=hownet_dict.calculate_word_similarity("苹果","梨") >>>print("word_similarity:",word_similarity) word_similarity:1.0 >>>word_similarity=hownet_dict.calculate_word_similarity("环绕","围绕") >>>print("word_similarity:",word_similarity) word_similarity:0.6 代码演示 """ python调用hownetAPI计算两个词的相似度 https://github.com/thunlp/OpenHowNet """ importOpenHowNet importjson #OpenHowNet.download() hownet_dict=OpenHowNet.HowNetDict() result_list=hownet_dict.get("顶点",language="zh") print(len(result_list)) print(result_list[0]) #展示目标词的检索HowNet结构义原标注(sememetree) sememe_tree=hownet_dict.visualize_sememe_trees("苹果",K=2) print("sememe_tree:",sememe_tree) #为了加快搜索速度，可以通过指定目标词的语言 result_list=hownet_dict.get("苹果",language="zh") print("result_list:",result_list) print("Numberofallresults:",len(hownet_dict.get("X"))) print("NumberofChineseresults:",len(hownet_dict.get("X",language="zh"))) print("NumberofEnglishresults:",len(hownet_dict.get("X",language="en"))) #GetAllWordsAnnotatedinHowNet zh_word_list=hownet_dict.get_zh_words() print(zh_word_list[:30]) print("AllZh-WordsAnnotatedinHowNet:",len(zh_word_list)) en_word_list=hownet_dict.get_en_words() print(en_word_list[:30]) print("AllEnglishWordsAnnotatedinHowNet:",len(en_word_list)) #GetStructuredSememeTreesforCertainWordsinHowNet structured_sememe=hownet_dict.get_sememes_by_word("苹果",structured=True)[0]["tree"] structured_sememe=json.dumps(structured_sememe,indent=2,ensure_ascii=False) print("structured_sememe:",structured_sememe) #GettheSynonymsoftheInputWord synonyms=hownet_dict["苹果"][0]["syn"] print("Synonyms:",synonyms) #GetRelationshipBetweenTwoSememes relation=hownet_dict.get_sememe_relation("音量值","shrill") print("relation:",relation) relation=hownet_dict.get_sememe_relation("音量值","尖声") print("relation:",relation) #getsememe sememe=hownet_dict.get_sememes_by_word("包袱") print("sememe:",sememe) #AdvancedFeature:WordSimilarityCalculationviaSememes hownet_dict_advanced=OpenHowNet.HowNetDict(use_sim=True) status=hownet_dict.initialize_sememe_similarity_calculation() print("status:",status) #GetTop-KNearestWordsfortheInputWord #IfthegivenworddoesnotexistinHowNetannotations,thisfunctionwillreturnanemptylist. query_result=hownet_dict_advanced.get_nearest_words_via_sememes("苹果",20) example=query_result[0] print("word_name:",example['word']) print("id:",example["id"]) print("synsetandcorresondingword&id&score:") print(example["synset"]) #calculatethesimilarityforgiventwowords word_similarity=hownet_dict.calculate_word_similarity("苹果","梨") print("word_similarity:",word_similarity) word_similarity=hownet_dict.calculate_word_similarity("环绕","围绕") print("word_similarity:",word_similarity) Reference 更多关于HownetNet的使用方法和内容，可以参考以下网页 《知网》中文版(keenage.com) thunlp/OpenHowNet:CoreDataofHowNetandOpenHowNetPythonAPI(github.com) 关注博主即可阅读全文 JermeryBesian 关注 关注 8 点赞 踩 9 评论 31 收藏 打赏 扫一扫，分享内容 点击复制链接 专栏目录 HowNet知网完整版 07-11 包含知网完整版程序、以它为基础设计的词语相似度计算程序以及详细的论文资料 自然语言处理(NLP)-第三方库(工具包)：HowNet u013250861的博客 04-02 230 自然语言处理(NLP)-第三方库(工具包)：HowNet 评论 9 您还未登录，请先 登录 后发表或查看评论 Wordnet与Hownet比较 weixin_33701617的博客 02-26 314 近年来，随着计算机本身以及信息高速公路的飞速发展，人们开始更加重视语义的研究。

各国都致力于可用于自然语言处理的大规模语义词典或大规模知识库的建设。

例如：普林斯顿大学的英语Wordnet,微软的Mindnet，欧洲有基于Wordnet的Eurowordnet，日本的日语和英语的概念词典，韩国的Koreanwordnet，中国有以Wordnet为框架而研制的现代汉语概念词典――中文概念辞书（CCD）和... 知网情感词典（HOWNET） 01-20 该词典主要分为中文和英文两部分，共包含如下数据：中文正面评价词语3730个、中文负面评价词语3116个、中文正面情感词语836个、中文负面情感词语1254个；英文正面评价词语3594个、英文正面评价词语3563个、英文正面情感词语769个、英文负面情感词语1011个。

情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025 hownet完整版 07-19 hownet完整版导出的关键文本文件，包括12w词语的概念，以及所有义原的上下位关系。

使用这些文件可以实现词语相似度计算。

hownet最新版资源 01-22 清华大学开源的最新版的hownet，基于它可以做词语相似度计算，构建基本的知识库等，懂的拿走不谢！ HowNet介绍及使用 最新发布 ltochange的博客 08-26 2945 清华大学张钹院士做了一场题为《AI科学突破的前夜，教授们应当看到什么？》提出： AI未来的科学突破是建立一种同时基于知识和数据的AI系统。

占个坑，主要参考内容来自 使用上： https://blog.csdn.net/Urbanears/article/details/115061798 https://gitee.com/thunlp/OpenHowNet 学术上： https://zhuanlan.zhihu.com/p/32688983 以及如何用来计算情感倾向值 ... Hownet简介 03-23 知网（英文名称为HowNet）是一个以汉语和英语的词语所代表的概念为描述对象，以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库。

Hownet在NLP领域内是什么样的地位？ weixin_40952784的博客 04-30 5222 转载自 作者：王泓砚 链接：https://www.zhihu.com/question/318796081/answer/643462147 hownet是建立在词概念之间的语义网络，反映词概念之间的语素包含、语素同级、以及一些领域性的互动关系，可以说，hownet是一部信息特别丰富的词典。

但是hownet面对nlp任务，心有余而力不足。

原因在于: 1.目前nlp任务重在语法分析，即要... AAAI、IJCAI和ACL录用三名清华本科生成果，华人NLP最杰出HowNet成功融入DL模型 weixin_33955681的博客 01-10 317 什么是HowNet HowNet是董振东先生、董强先生父子毕数十年之功标注的大型语言知识库，主要面向中文（也包括英文）的词汇与概念[1]。

HowNet秉承还原论思想，认为词汇/词义可以用更小的语义单位来描述。

这种语义单位被称为“义原”（Sememe），顾名思义就是原子语义，即最基本的、不宜再分割的最小语义单位。

在不断标注的过程中，HowNet逐渐构建出... 下载知网Hownet中文信息结构数据 呆萌的代Ma 03-08 508 进入网站：http://www.keenage.com/html/c_index.html 点击左侧：下载中心 填写表格即可申请 百度网盘数据分享：链接:https://pan.baidu.com/s/1R0n4ChlIxIOs89vLzKz46w密码:pgqg Hownet知网情感词典 09-10 该软件可以实现微博分析、聊天分析、全网分析、网站分析、浏览分析、分词、词频统计、英文词频统计、流量分析、聚类分析等一系列文本分析 (Thesoftwarecanrealizemicro-bloganalysis,chatanalysis,wholenetworkanalysis,websiteanalysis,browseanalysis,wordsegmentation,wordfrequencystatistics,Englishwordfrequencystatistics,trafficanalysis,clusteringanalysisandaseriesoftextanalysis.) 文件列表： 情感分析用词语集·知网hownet词典\主张词语（中文）.txt,289,2007-10-21 情感分析用词语集·知网hownet词典\主张词语（英文）.txt,451,2007-10-21 情感分析用词语集·知网hownet词典\正面情感词语（中文）.txt,6276,2007-10-21 情感分析用词语集·知网hownet词典\正面情感词语（英文）.txt,14190,2007-10-21 情感分析用词语集·知网hownet词典\正面评价词语（中文）.txt,30409,2007-10-21 情感分析用词语集·知网hownet词典\正面评价词语（英文）.txt,61667,2007-10-21 情感分析用词语集·知网hownet词典\程度级别词语（中文）.txt,1480,2007-10-21 情感分析用词语集·知网hownet词典\程度级别词语（英文）.txt,2114,2007-10-21 情感分析用词语集·知网hownet词典\负面情感词语（中文）.txt,9952,2007-10-21 情感分析用词语集·知网hownet词典\负面情感词语（英文）.txt,18511,2007-10-21 情感分析用词语集·知网hownet词典\负面评价词语（中文）.txt,26101,2007-10-21 情感分析用词语集·知网hownet词典\负面评价词语（英文）.txt,57704,2007-10-21 情感分析用词语集·知网hownet词典,0,2016-02-14 HowNet Guix 11-30 8296 目录知网（HowNet）1.问题的提出2.知网的哲学3.知网的特色4.知网建设的方法4.1.义原的提取4.2.义原的考核与确定5.知网系统的概貌5.1.知网系统包括下列数据文件和程序5.2.知识词典的记录样式5.2.1.词语及其概念的选择5.2.2.关于词语的例子6.概念定义的标注方法和规定6.1 知网Hownet情感词典.zip 04-22 百分之百 倍加 备至 不得了 不堪 不可开交 不亦乐乎 不折不扣 彻头彻尾 充分 到头 地地道道 非常 极 极度 极端 极其 极为 截然 尽 惊人地 绝 绝顶 绝对 绝对化 刻骨 酷 满 满贯 满心 莫大 奇 入骨 甚为 十二分 十分 十足 死 滔天 痛 透 完全 完完全全 万 万般 万分 万万 无比 无度 无可估量 无以复加 无以伦比 要命 要死 已极 已甚 异常 逾常 贼 之极 之至 至极 卓绝 最为 佼佼 郅 綦 齁 最 2.“很|very” 42 不过 不少 知网(HowNet)简介 08-01 知网(英文名称HowNet)是一个以汉语和英语的词语所代表的概念为描述对象,以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库。

知网hownet下载资源 03-23 知网hownet官网下载的各资源 OpenHowNet：HowNet和OpenHowNetPythonAPI的核心数据 02-03 该项目包含THUNLP开发的HowNet和OpenHowNetAPI的核心数据，它提供了一种方便的方式来搜索HowNet中的信息，显示字素树，通过字素计算单词相似度等。

您还可以访问我们的以享受搜索和展示字母的字素的乐趣。

在线单词。

如果您在研究中使用OpenHowNet提供的任何数据或API，请引用以下论文： @article{qi2019openhownet, title={OpenHowNet:AnOpenSememe-basedLexicalKnowledgeBase}, author={Qi,FanchaoandYang,ChenghaoandLi python调用hownetAPI计算两个词的相似度 qq_31157999的博客 03-30 4877 1.注册成为知网用户，获取个人密匙。

http://www.yuzhinlp.com2.python调用API代码：importrequests importjson defhownet_word_sim(word1,word2): data={'apiKey':yourApiKey,'word1':word1,'word2':word2} url='http://yuzhinl... “相关推荐”对你有帮助么？ 非常没帮助 没帮助 一般 有帮助 非常有帮助 提交 ©️2022CSDN 皮肤主题：大白 设计师：CSDN官方博客 返回首页 JermeryBesian CSDN认证博客专家 CSDN认证企业博客 码龄6年 网易 47 原创 3135 周排名 2万+ 总排名 16万+ 访问 等级 1524 积分 2528 粉丝 153 获赞 42 评论 628 收藏 私信 关注 热门文章 Python中Requests模块的异常值处理 45620 爬取Ajax动态加载和翻页时url不变的网页+网站案例 27466 Huggingface快速入门 9443 Python网络爬虫封锁限制的几种方法 7707 如何用Selenium+Chrome模拟登陆并获取Cookie值 7300 分类专栏 SpringBoot 2篇 大数据开发 22篇 Java 3篇 Linux 2篇 ACM 1篇 算法 1篇 Tensorflow Python基础函数 1篇 网页爬虫 4篇 python网络爬虫 5篇 MLAlgorithm 2篇 NLP 8篇 最新评论 HowNet介绍及相关API的使用方法 HELLO-Zhang先森: 没弄了后面 HowNet介绍及相关API的使用方法 qq_51392751: 请问这个问题解决了吗？ HowNet介绍及相关API的使用方法 Rr276: 你安装的应该是openhownet2.0版本。

需要安装1.0版本才能用get Jieba分词工具介绍及相关API使用方法 hjingjing010: 你好，增加的自己定义词典中，如果一个单词有多个词性，jieba可以同时返回这些词性吗？ HowNet介绍及相关API的使用方法 HELLO-Zhang先森: 您好，在使用get（）时，显示没有get这个属性，卸载重新安装都不行，请问这是怎么回事呢？ 您愿意向朋友推荐“博客详情页”吗？ 强烈不推荐 不推荐 一般般 推荐 强烈推荐 提交 最新文章 SpringBoot的属性注入详解 SpringBoot全局配置文件加载原理详解（万字源码分析） Springboot数据服务开发：用户上传文件导入到数据库中 2022年5篇 2021年30篇 2020年2篇 2019年4篇 2018年4篇 2017年4篇 目录 目录 分类专栏 SpringBoot 2篇 大数据开发 22篇 Java 3篇 Linux 2篇 ACM 1篇 算法 1篇 Tensorflow Python基础函数 1篇 网页爬虫 4篇 python网络爬虫 5篇 MLAlgorithm 2篇 NLP 8篇 目录 打赏作者 JermeryBesian 你的鼓励将是我创作的最大动力 ¥2 ¥4 ¥6 ¥10 ¥20 输入1-500的整数 余额支付 (余额：--) 扫码支付 扫码支付：¥2 获取中 扫码支付 您的余额不足，请更换扫码支付或充值 打赏作者 实付元 使用余额支付 点击重新获取 扫码支付 钱包余额 0 抵扣说明： 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。

2.余额无法直接购买下载，可以购买VIP、C币套餐、付费专栏及课程。

余额充值