前言：首先有这样一个需求，须要统计一篇10000字的文章，须要统计里面哪些词涌现的频率比拟高，这里面比拟主要的是如何对文章中的一段话进行分词，例如“北京是×××的首都”，“北京”，“×××”，“中华”，“华人”，“人民”，“共和国”，“首都”这些是一个词，须要切分出来，而“京是”“民共”这些就不是成心义的词，所以不能分出来。这些分词的规矩如果自己去写，是一件很麻烦的事，应用开源的IK分词，便可以够很容易的做到。并且可以依据分词的模式来决议分词的颗粒度。：首先有这样一个需求，须要统计一篇10000字的文章，须要统计里面哪些词涌现的频率比拟高，这里面
阅读背景：
使用ES对中文文章进行分词，并进行词频统计排序
来源：互联网
分享到：
