ansj 2.0.7 错误例子分析

我在做一个solr的项目，分词选定了ansj分词。

选择ansj的原因：

1）身边若干朋友的念叨，说是效果不错

2）网上看了若干评论，说是不错

3）自己尝试了一些case，觉得确实不错。

好了，项目中选择了ansj2.0.7-min.jar作为实际使用的版本。

结果。。。愿望是美好的，现实是残酷的。

碰到了若干case，效果不好（使用IndexAnalysis）：

1）上海马勒别墅

切分结果：(上/海马/勒/别墅)

预期结果：(上海/马勒/别墅)

调试了一下，在构建Graph的时候没有问题，问题出现在Merger阶段的

            @Override
            public List<Term> merger() {
                graph.walkPath();//上海马勒别墅的问题在这里// 数字发现
                if (MyStaticValue.isNumRecognition && graph.hasNum) {
                    NumRecognition.recognition(graph.terms);
                }

                // 姓名识别
                if (graph.hasPerson && MyStaticValue.isNameRecognition) {
                    // 亚洲人名识别
                    new AsianPersonRecognition(graph.terms).recognition();
                    graph.walkPathByScore();
                    NameFix.nameAmbiguity(graph.terms);
                    // 外国人名识别
                    new ForeignPersonRecognition(graph.terms).recognition();
                    graph.walkPathByScore();
                }

                // 用户自定义词典的识别
                userDefineRecognition(graph, forests);

                return result();
            }

2）电话卡+周杰伦摩天轮巡演(开启人名识别)

切分结果：（电话/卡+周/杰伦摩/天轮/巡演）

期望结果: （电话卡/+/周杰伦/摩天轮/巡演）

结果发现， 卡+周 居然被识别成了一个名词。进一步debug发现，“+” 的PersonNatureAttr 属性值不太正常，因为"+"的TermNatures 是TermNatures.NULL.

最终debug发现， TermNatures.NULL 这个常量被修改过。

最终的最终发现，作者在AnsjItem中定义了成员变量引用到了 TermNatures.NULL，并对其进行了修改。

问题发现，并修复掉。

---------------------------------------------------------------------------------------------------------------------------------最终将bug反馈给作者。打完收工

后记，发现人名识别效果分析。

下期再谈论Ansj的人名识别话题。

转载于:https://www.cnblogs.com/lykm02/p/4091832.html