调用百度搜索引擎实现自动问答系统

一、ICTCLAS的介绍

  中国科学院计算技术研究所在多年研究基础上，耗时一年研制出了基于多层隐码模型的汉语词法分析系统 ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，该系统的功能有：中文分词；词性标注；未登录词识别。分词正确率高达97.58%(最近的973专家组评测结果)，基于角色标注的未登录词识别能取得高于90%召回率，其中中国人名的识别召回率接近98%，分词和词性标注处理速度为31.5KB/s。ICTCLAS 和计算所其他14项免费发布的成果被中外媒体广泛地报道，国内很多免费的中文分词模块都或多或少的参考过ICTCLAS的代码。

 

二、开始使用ICTCLAS进行分词

1.下载ictclasj

  首先到ictclas的网站下载JAVA版本的ictclas——ictclasj。

  下载地址 ：http://ictclas.org/Down_OpenSrc.asp

2.在Eclipse中 新建项目并进行 配置

  首先把 ictclasj解压缩，然后把 Data文件夹整个拷贝到 Eclipse项目的文件夹下, 而 bin目录下的 org文件夹整个拷贝到你Eclipse项目的 bin目录下，把src目录下的org文件夹整个拷贝到 Eclipse项目的src目录下，然后新新建一个lib文件夹，将后面下载的commons-lang-2.4.jar复制进去，同时刷新项目，右击->属性->Java Build Path->Libraries->Add JARs，将commons-lang-2.4.jar添加进来。

3.测试分词结果

 

Java代码  

1. import org.ictclas4j.bean.SegResult;  
2. import org.ictclas4j.segment.SegTag;  
3.   
4. public class TextSegmentation {  
5.   
6.     public static void main(String[] args) {  
7.         String fileContent = "中国科学院计算技术研究所在多年研究基础上，" +  
8.                 "耗时一年研制出了ICTCLAS汉语词法分析系统";  
9.         SegTag segTag = new SegTag(1);// 分词路径的数目          
10.         SegResult segResult = segTag.split(fileContent.trim());  
11.         String classifyContent = segResult.getFinalResult();  
12.         System.out.println("分词结果\n"+classifyContent);  
13.     }  
14. }  

 

 

就是这样，我们可以得到输出的结果，并且带有词性的标注。

 

Java代码  

1. 分词结果  
2. 中国科学院/n 计算/n 技术/n 研究所/n 在/c 多年/m 研究/n 基础/a 上/f ，/w 耗时/v 一/d 年/a 研制/v 出/q 了/u ICTCLAS/nx 汉语/n 词法/n 分析/v 系统/a   

 

三、关于可能出现的错误  

    1.越界错误

在Dictionary.java里面的getMaxMatch()函数里要注意加上对wis的判断语句

 

Java代码  

1. if(wis != null)  

 

 否则有时会报出越界错误

 

  2. “org.apache”

这个新建的测试类可能会提示错误："The import org.apache cannot be resolved"，这是由于系统需要一个Apache的commons的jar包。

   文章后面的附件中有 commons-lang-2.4.jar和停用词表（stopwords.rar）下载 。