HanLP对于用户自定义词典的官方推荐方法是怎样的?

[fengxiaochuang]

你好,我在测试的时候,发现通过CustomDictionary.add()方法添加的新词不会自动持久化,没有动态修改二进制缓存文件.
HanLP官方推荐的方法是记录添加成功的自定义词语,然后在下次项目启动之前追加到自定义词典文件吗?

[hankcs]

1. HanLP的中心思想是基于统计的自然语言处理
2. 词典分词是落后的规则分词，只做辅助
3. 这个问题其实想问一个持久化的用户词典方式
4. CustomDictionary.add 本来就是设计为debug用的（性能不是最好的，参考demo），但大家似乎很喜欢用
5. 目前的持久化方式就是CustomDictionary.txt，如何管理这个文本文件？项目启动时HanLP会自动加载，你只需删缓存。项目关闭时你需要将你的词语写入这个文件。
6. 还有更高级更优雅的方式，比如给CustomDictionary.dat加个锁，开一个检测线程，当CustomDictionary.trie中有用户词的时候自动重构dat，并写入词典。不过这是个很小众的功能，对基于统计的系统来讲，天天围绕词典转圈没什么意思。

[fengxiaochuang]

因为在使用的时候,有些分词结果没有达到心理预期,在没有完美语料的情况下,希望人为来修正结果达到目的.
谢谢博主的用心解答~

[yoopaan]

图上是我的自定义词典目录的情况，我的词典文件都不是很大，为什么生成的CustomDictionary.txt.bin会有49M？并且生成这个bin文件的时间达三分钟左右，是什么原因造成的？ @hankcs @linuxsong @driventokill @thihy

[hankcs]

感谢您对HanLP1.x的支持，我一直为没有时间回复所有issue感到抱歉，希望您提的问题已经解决。或者，您可以从《自然语言处理入门》中找到答案。

时光飞逝，HanLP1.x感谢您的一路相伴。我于东部标准时间2019年12月31日发布了HanLP1.x在上一个十年最后一个版本，代号为最后的武士。此后1.x分支将提供稳定性维护，但不是未来开发的焦点。

值此2020新年之际，我很高兴地宣布，HanLP2.0发布了。HanLP2.0的愿景是下一个十年的前沿NLP技术。为此，HanLP2.0采用TensorFlow2.0实现了最前沿的深度学习模型，通过精心设计的框架支撑下游NLP任务，在海量语料库上取得了最前沿的准确率。作为第一个alpha版本，HanLP 2.0.0a0支持分词、词性标注、命名实体识别、依存句法分析、语义依存分析以及文本分类。而且，这些功能并不仅限中文，而是面向全人类语种设计。HanLP2.0提供许多预训练模型，而终端用户仅需两行代码即可部署，深度学习落地不再困难。更多详情，欢迎观看HanLP2.0的介绍视频，或参与论坛讨论。

展望未来，HanLP2.0将集成1.x时代继承下来的高效率务实风范，同时冲刺前沿研究，做工业界和学术界的两栖战舰，请诸君继续多多指教，谢谢。