similarity

收录理由

这是一款用Java编写的文本相似度计算工具包，覆盖从词语、短语、句子到段落的多种粒度。它内置了编辑距离、余弦、Jaccard、Jaro-Winkler、SimHash等通用算法，还针对中文场景提供了基于同义词词林和知网的相似度方法，并支持情感倾向分析和近似词查询。所有词典以明文形式随包发布，模型采用惰性加载，调用方无需额外部署服务，只需在JVM项目中引入依赖即可使用。对于处理中文NLP任务的团队来说，这些能力被整合在同一个依赖里，省去了拼接多个独立服务的麻烦，同时也可以方便地用自己的语料进行定制。