HanLP 1.7.0发布，新增文本聚类、流水线分词

HanLP 1.7.0 发布了，HanLP 是由一系列模型与算法组成的 Java 工具包，目标是普及自然语言处理在生产环境中的应用。HanLP 具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。 在提供丰富功能的同时，HanLP 内部模块坚持低耦合、模型坚持惰性加载、服务坚持静态提供、词典坚持明文发布，使用非常方便，同时自带一些语料处理工具，帮助用户训练自己的模型。

更新如下：

• 新增文本聚类模块（k-means和repeated bisection）

• 词法分析器新增流水线模式

• 词法分析器加入规则 enableRuleBasedSegment #991

• 支持通过 JVM 的启动参数指定 data 路径：java -DHANLP_ROOT=/opt/hanlp 则加载/opt/hanlp/data #983

• 分词断句支持指定断句颗粒 #1018

• CustomDictionary.insert("新词语", "词性标签") 支持省略频次

• NeuralNetworkDependencyParser 构造函数接受 Segment

• TextRankKeyword 支持构造自任意分词器

• 优化双数组 trie 树，构建后自动 shrink 到最低内存 #984

• 修订简繁词典

• 微调 ngram 和 nr 模型

• 新数据包 data-for-1.7.0.zip MD5 = 4c396f3039230ddfcef20865264512b1

• Portable 版同步升级到 v1.7.0

        <dependency>
            <groupId>com.hankcs</groupId>
            <artifactId>hanlp</artifactId>
            <version>portable-1.7.0</version>
        </dependency>

发布公告

下载地址：

• Source code(zip)

• Source code(tar.gz)