用Office玩中文分词

最新推荐文章于 2021-10-26 14:20:49 发布
最新推荐文章于 2021-10-26 14:20:49 发布
阅读量4.1k 收藏 2
点赞数
分类专栏： 原创技术文章 文章标签： office delphi integer vb vba forms
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fxsjy/article/details/826293
版权
本文探讨了Word软件对中文分词的支持，指出Word在编辑文档时能够检测拼写错误，包括中文单词，并且在双击汉字时能自动选择包含该字的词汇，如"我是中国人"中的"中国人"。这表明Word具有良好的中文分词功能，适用于Office2003版本。
摘要由CSDN通过智能技术生成

      Word软件对中文分词的支持还是相当不错的，最直观的感觉就是当用户在编辑一篇Doc文档时，Word会不断检测其拼写错误（包括英文单词和中文单词）；不仅如此，您可能还留意到当用鼠标双击文档中的某一个字时，包含这个字的词会被自动选中。比如，“我是中国人”这句话，当您双击“中”时，“中国人”这个词会被选中（双击“国”或“人”也会有同样的效果）。这些迹象表Word是支持中文分词的，而且根据笔者使用office2003的经验，它的分词效果还挺不错。

　　如果能在应用程序中调用 Word 的分词功能，岂不是很便利。于是，笔者就想做一个简单的实验，编个小程序试试。很自然就想到 Word 中的 “ 宏 ” ，以及 "VBA" 。首先点击 “ 录制宏 ” ，然后按
最低0.47元/天 解锁文章
fxsjy
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
Elasticsearch 6.4 ingest-attachment对office文件IK分词器全文检索(1) HttpAPI使用
LazyBoy_Z_z的博客
09-27 5450
这款插件主要是处理ES中文档解析，如果博友们对ES感兴趣欢迎相互交流：(该文默认你已经具备Es的IK分词器能力) 安装:     elasticsearch-plugin install ingest-attachment          介绍: 基于Apache 文本扩展库 Tika插件之上开发的一款适合elasticsearch文本解析插件。在ES5之前使用的是mapper-acca...
word中文分词 文档 中文CHM
06-16
word中文分词 文档 中文CHM
word中文分词 一
MZ_的博客
09-02 1425
前言：这篇笔记算是 word中文分词 java库的入门笔记，记录下word分词的基本配置，和一个由于经验浅而踩的坑。 感谢word分词 的作者，word分词的github地址：https://github.com/ysc/word 1、maven依赖 <dependency> <groupId>org.apdplat</groupId&gt...
word中文分词
健康平安的活着的专栏
03-09 1007
word分词是一个Java实现的中文分词组件，提供了多种基于词典的分词算法，并利用ngram模型来消除歧义。 能准确识别英文、数字，以及日期、时间等数量词，能识别人名、地名、组织机构名等未登录词。 同时提供了Lucene、Solr、ElasticSearch插件。 1.案例一，自定义分词； 2.分词，保留分用词和不保留分用词 2.计算相似度； 3.词频统计 4.拆词和组词 5.同义词标
word分词器
weixin_43838129的博客
07-06 1782
什么是分词 分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。在英文中，单词之间会以空格作为分割符，将词与词之间进行分割，但是对于中文，没有一个显式的分割符。 正是因为缺乏这种显式的分割符，导致我们对中文中的词，进行分割的时候会出现很多的偏差。 分词的算法 中文分词有难度，不过也有成熟的解决方案。现有的分词算法，大概可分为三类： 基于字符串匹配的分词算法 基于理解的分词算法 基于统计的分词算法 1. 基于字符串匹配的分词算法 这种分词方法，又叫机械分词算法，它会..
中文分词代码(此代码为作者多年经验总结，以前发表过VB，PB版本)
weixin_30699443的博客
03-24 178
/** created by yzh 2004.5.12* 请大家引用时保留这段作者声明，此代码为开源代码；使用不受限制。* 中文分词代码*此代码为作者多年经验总结，以前发表过VB，PB版本*/ import java.io.BufferedReader;import java.io.IOException;import java.io.InputStream;import java.i...
298032条中文分词词库，分词专用词性词频
04-22
298032条中文分词词库，分词专用词性词频，mdb格式，直接可导入的数据库，格式为id 自增序号、key 中文分词、att词性、num词的频率，用office Access 打开
VBA编写的分词程序
09-14
在中文中，由于没有明显的分隔符，分词尤为重要。分词可以用于搜索引擎、文本分析、机器翻译等多个领域。 #### 三、代码解析 ##### 3.1 变量声明与初始化 ```vba DimsLexicon(6000) As String ``` - `sLexicon`：...
Java培训学习之分词工具之HanLP介绍
qf2019的博客
10-26 778
HanLP 是由一系列模型和算法组成的Java工具包。目标是普及自然语言处理在生产环境中的应用。它不仅是分词，还提供了词法分析、句法分析、语义理解等完整的功能。HanLP 具有功能齐全、性能高效、结构清晰、语料最新、功能可定制等特点。 HanLP 是完全开源的，包括字典。不依赖其他jar，底层使用了一系列高速数据结构，如双数组Trie树、DAWG、AhoCorasickDoubleArrayTrie等，这些基础组件都是开源的。 通过工具类HanLP，可以一句话调用所有函数，文档详细，开箱即用。底层算法经过精
中文分词工具word-1.0,Java实现的中文分词组件多种基于词典的分词算法
11-05
word分词是一个Java实现的中文分词组件，提供了多种基于词典的分词算法，并利用ngram模型来消除歧义。 能准确识别英文、数字，以及日期、时间等数量词，能识别人名、地名、组织机构名等未登录词。 同时提供了Lucene、Solr、ElasticSearch插件。 分词使用方法： 1、快速体验 运行项目根目录下的脚本demo-word.bat可以快速体验分词效果 用法: command [text] [input] [output] 命令command的可选值为：demo、text、file demo text 杨尚川是APDPlat应用级产品开发平台的作者 file d:/text.txt d:/word.txt exit 2、对文本进行分词 移除停用词：List words = WordSegmenter.seg("杨尚川是APDPlat应用级产品开发平台的作者"); 保留停用词：List words = WordSegmenter.segWithStopWords("杨尚川是APDPlat应用级产品开发平台的作者"); System.out.println(words); 输出： 移除停用词：[杨尚川, apdplat, 应用级, 产品, 开发平台, 作者] 保留停用词：[杨尚川, 是, apdplat, 应用级, 产品, 开发平台, 的, 作者] 3、对文件进行分词 String input = "d:/text.txt"; String output = "d:/word.txt"; 移除停用词：WordSegmenter.seg(new File(input), new File(output)); 保留停用词：WordSegmenter.segWithStopWords(new File(input), new File(output)); 4、自定义配置文件 默认配置文件为类路径下的word.conf，打包在word-x.x.jar中 自定义配置文件为类路径下的word.local.conf，需要用户自己提供 如果自定义配置和默认配置相同，自定义配置会覆盖默认配置 配置文件编码为UTF-8 5、自定义用户词库 自定义用户词库为一个或多个文件夹或文件，可以使用绝对路径或相对路径 用户词库由多个词典文件组成，文件编码为UTF-8 词典文件的格式为文本文件，一行代表一个词 可以通过系统属性或配置文件的方式来指定路径，多个路径之间用逗号分隔开 类路径下的词典文件，需要在相对路径前加入前缀classpath: 指定方式有三种： 指定方式一，编程指定（高优先级）： WordConfTools.set("dic.path", "classpath:dic.txt，d:/custom_dic"); DictionaryFactory.reload();//更改词典路径之后，重新加载词典 指定方式二，Java虚拟机启动参数（中优先级）： java -Ddic.path=classpath:dic.txt，d:/custom_dic 指定方式三，配置文件指定（低优先级）： 使用类路径下的文件word.local.conf来指定配置信息 dic.path=classpath:dic.txt，d:/custom_dic 如未指定，则默认使用类路径下的dic.txt词典文件 6、自定义停用词词库 使用方式和自定义用户词库类似，配置项为： stopwords.path=classpath:stopwords.txt，d:/custom_stopwords_dic 7、自动检测词库变化 可以自动检测自定义用户词库和自定义停用词词库的变化 包含类路径下的文件和文件夹、非类路径下的绝对路径和相对路径 如： classpath:dic.txt，classpath:custom_dic_dir, d:/dic_more.txt，d:/DIC_DIR，D:/DIC2_DIR，my_dic_dir，my_dic_file.txt classpath:stopwords.txt，classpath:custom_stopwords_dic_dir， d:/stopwords_more.txt，d:/STOPWORDS_DIR，d:/STOPWORDS2_DIR，stopwords_dir，remove.txt 8、显式指定分词算法 对文本进行分词时，可显式指定特定的分词算法，如： WordSegmenter.seg("APDPlat应用级产品开发平台", SegmentationA
中文分词excel版本
09-06
中文分词第三版@Excel大全,VBA技术实现的中文分词程序
中文自动分词控件演示
10-05
何谓自动分词，自动分词就是将用自然语言书写的文章、句段经电子计算机处理后，以词为单位给以输出，为后续加工处理提供先决条件。此技术对于信息分析、情报检索、机器翻译、数据库管理和人工智能等IT应用方面有着关键性的作用。 自动分词的实现，对于拉丁语系来说并不困难，其语言文字的形成结构中，词与词之间本身就有着明显的间隔符（如：空格、标点符号等），但对于中文来说，就是一个至今仍未能得以很好解决的技术难题，中文词与词之间没有着明显的间隔符，甚至连标点符号都没有的古文更是为难了。当今，国内外IT界的一些仁人志士们还在为此技术不懈努力着。
vb 中文分词试验
10-21
用VB进行的分词实验，包括词频、字频统计
海量分词组件Com组件ForVB_php
04-11
海量分词组件研究版的Com组件，可以通过COM调用海量分词组件的几个主要的接口。因为没写技术文档，最好用Visual Studio 2005这类工具，可以自动补全。
几个免费的中文分词模块
lihaiyan
09-27 406
一、什么是中文分词 众所周知，英文是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。例如，英文句子“I am a student”，用中文则为：“我是一个学生”。计算机可以很简单通过空格知道“student”是一个单词，但是不能很容易明白「学」、「生」两个字合起来才表示一个词。把中文的汉字序列切分成有意义的词，就是中文分词，有些人也称为切词。“我是一...
中文分词 及发展现状（总结的不错）
热门推荐
likika2012的专栏
11-29 1万+
中文分词 (Chinese Word Segmentation) 指的是将一个汉字序列切分成一个一个单独的词。分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。我们知道，在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，不过在词这一层上，中文比之英文要复杂的多、困难的多。
word分词器使用
仗贱走天涯
02-12 7333
https://my.oschina.net/apdplat/blog/228619#OSC_h4_8
VB6仿金山词霸汉译英算法
10-08
仿照金山词霸的汉译英的VB6算法。 可整句汉语进行逐字逐词对应词库进行翻译。
IKAnalyzer2012中文分词器使用手册
"IKAnalyzer中文分词器V2012_FF使用手册" IKAnalyzer中文分词器是一款基于Java开发的轻量级开源工具，专用于中文分词处理。自2006年12月发布1.0版本以来，它已经经历了多个大版本的迭代，从最初与Lucene项目紧密...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值