language-ai

文章AI伪原创,文章自动生成,NLP,自然语言技术处理,DNN语言模型,词义相似度分析。全网首个AI伪原创开源应用类项目。点击右侧about内的链接极速体验!

快速开始

环境准备：JDK1.8, maven3.6+, redis
在 application.yml 中配置百度AI的相关信息

baidu:
  appid: 你的app_id
  appkey: 你的app_key
  secret: 你的app_secret

如何获取? 输入https://ai.baidu.com/tech/nlp_basic, 点击立即使用, 根据提示一步一步完成即可获得。有免费调用额度, 对于个人而言已经够了。

3.启动项目, 前端页面访问 http://localhost:8080/ai,swagger文档访问http://localhost:8080/ai/doc.html

加载词库到redis中, 项目启动后, 发送post请求http://localhost:8080/ai/command/initRedis 初始化redis即可。该操作会将库清空再初始化,请悉知

请求参数格式如下：

{
	"appName": "",
	"params": {
		"password": "你的用户名",
		"username": "你的密码"
	},
	"sign": "",
	"timestamp": "",
	"version": ""
}

也可直接使用swagger执行接口初始化

测试版本未作校验, 所有参数默认为空即可。

项目截图

【词义分析】

【词义相似度计算】

【DNN语言模型计算】

【AI伪原创】

【BootstrapSwaggerUI在线文档】

【首页】

源码目录详解

language-ai
    |- src/main
    |       |- java java源码所在目录
    |           |- com.chenxin
    |                   |- auth 百度AI授权认证模块
    |                   |- base 基础公共抽象模块
    |                   |- config 项目所有自定义配置模块
    |                   |- controller 这个不用多说
    |                   |- exception 全局异常与自定义一次模块
    |                   |- model 项目所有使用的数据模型, dto,vo,bo等
    |                   |- service 业务模块
    |                   |- util 工具模块
    |                       |- auth 授权认证模块
    |                       |- consts 常量类
    |                       |- http http相关
    |                       |- nlp NLP同义词库加载工具
    |                       |- system 系统相关
    |                       |- CommonEnum.java 统一信息处理枚举类
    |
    |           |- AiApplication.java 主启动类
    |
    |- src/test/java
        |- com.chenxin 相关测试代码, 经验证, 若idea版本太低将会导致该单元测试无法使用
  
            
其他自行查看源码, 不一一概述

关于词库

使用到的中文同义词词库是哈工大的同义词词林（扩展版)
下载地址：https://www.ltp-cloud.com/download#down_cilin
项目自带词库(csdn下载的)

拓展词库

想要更加精确的计算与替换, 就需要一个很精准庞大的词库, 这个词库大家可以自己慢慢的补充完整只需要将词库添加进文件 resource/res/word.txt, 按照格式进行添加即可, 然后调用初始化redis接口即可。初始化redis接口/ai/command/initRedis

关于词库中词语重复问题

这个大家无需担心, 作者在此方面做了大量优化。相同键值Key的词组,将会全部存储至redis中,以Key0,Key1的形式存储, 查询时, 会将所有相同Key的词组全部找出, 并进行去重, 然后在进行其他操作, 计算词义相似度等等。相同的Key,为了提升查询效率, 默认取相同Key的前20组!

技术图谱

本项目集成多个NLP优秀项目, 搭配使用。分词使用百度AI 自然语言处理技术中的词义分析技术, 词义相似度使用HanLP项目计算同义词距离!

自然语言处理技术(百度AI提供技术支持)

词义分析技术
词向量表示
词义相似度
DNN语言模型
依存句法分析
短文本相似度

自然语言处理(hanLP提供技术支持)

HanLP是一系列模型与算法组成的NLP工具包，目标是普及自然语言处理在生产环境中的应用。

同义词词库

哈工大的同义词词林（扩展版)

技术架构

后端

SpringBoot, 简单配置, 快速开发
MyBatis , 复杂数据操作(轻量级版本无需数据库, 提高灵活性)
Spring Data Jpa , 简单数据操作(轻量级版本无需数据库, 提高灵活性)
SwaggerUI BootstrapSwaggerUI, 在线接口文档, 增强美化, 接口文档导出
Redis 数据存储与缓存
Async 异步多线程, 提升文章切割替换速度(单核cpu可能效果不太明显)

前端

本项目的页面只是简单作为测试, 后续会打造一个完整的产品网站。

Vue
ElementUI

问题与优化

Q: 当文本长度稍微大一点的时候，文本变脸就变得十分缓慢，因为这涉及到将几万的词库加载到内存然后进行词义距离计算

A：这时候加载词库比对的思路，明显已经不适用了。因此采用高性能的redis数据库，进行词库的存储与读取，极大的提升了同义词的查找效率

优点同义词精确匹配, 替换性能提升十几倍

Q：只能有一组同义词, 例如安分守己 - 循规蹈矩和循规蹈矩 - 安分守己。那安分守己 - 诚实本分就添加不进词库。初版先牺牲词库丰富性而达到高性能

A: 现在已优化, 自动给同名键增加后缀, 后使用redis模糊查询进行匹配 (真正的性能和效率并存)

Q：当文本过长，百度AI接口会抛出异常

A：用户端或者服务端做好文本切片的操作

Q: 当用户直接输入文章, 几千字如何处理?

A: 根据文本大小进行切片, 采用异步多线程处理, 提升程序性能

Q: 直接粘贴文章进行AI伪原创可能会报json注入异常

A: 建议去掉空格, 回车等。或者换成转义字符。

关于作者

热衷于ai，分布式微服务，web应用，大数据等领域。工作室：1024代码工作室，有需求的可以联系作者哦，交流也是可以滴。邮箱：amazingjava@163.com

其他

为什么会使用多个NLP项目, 原因是因为最初是想使用百度AI将整个项目完成。但由于百度自然语言处理API 对于普通用户调用有次数限制, 超量需要收费, 因此数据量比较大的处理将给了HanLP项目处理。将数据量较小的分词交给百度AI处理。

关于同义词库文件的位置, 不建议移动和改变, 文件夹以及名字都是。后续有时间, 再优化这个问题吧。

axliang / language-ai