中文分词器 jcseg

jcseg是使用Java开发的一个中文分词器，使用流行的mmseg算法实现。

1。目前最高版本：jcseg 1.6.9。

2。mmseg四种过滤算法，分词准确率达到了97%以上。

3。支持自定义词库。在lexicon文件夹下，可以随便添加/删除/更改词库和词库内容，并且对词库进行了分类。如何给jcseg添加词库/新词

4。中文数字识别，例如："四五十个人都来了，管他叁柒贰拾壹。"中的"四五十"和"叁柒贰拾壹"。(1.6.7版开始支持)

5。支持中英混合词的识别。例如：B超。

6。支持基本单字单位的识别，例如2012年。

7。智能圆角半角处理。

8。特殊字母识别：例如：Ⅰ，Ⅱ

9。特殊数字识别：例如：①，⑩

10。配对标点内容提取：例如：最好的Java书《java编程思想》，‘畅想杯黑客技术大赛’，被《,‘,“,『标点标记的内容。(1.6.8版开始支持)

11。智能中文人名识别。中文人名识别正确率达90%以上。（可以维护lex-lname.lex，lex-dname-1.lex，lex-dname-2.lex来去除歧义，提高准确率）。

12。jcseg佩带了jcseg.properties配置文档，我们可以自主的配置这个配置文档来适应不同的应用领域。例如：最大化分词的词数，是否开启中文分词（如果你的搜索领域不要处理中文人名识别，去掉这个选项可以提高jcseg的分词速度），中英混合词后的中文词数。

详细了解jcseg：jcseg google code

下载地址：下载jcseg