一种带词性标注的分词器使用方法--HanLP分词

HanLP的官方简介如下：
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。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。内部算法经过工业界和学术界考验，配套书籍《自然语言处理入门》已经出版。目前，基于深度学习的HanLP 2.0正处于alpha测试阶段，未来将实现知识图谱、问答系统、自动摘要、文本语义相似度、指代消解、三元组抽取、实体链接等功能。
HanLP的功能包括：
中文分词、词性标注、命名实体识别、关键词提取、短语提取、拼音转换、简繁转换、文本推荐、依存句法分析、文本分类、文本聚类、向量提取等。

更多更全面的使用方法，请参考github上的介绍。

这里仅介绍本人使用过的功能：带词性标注的分词（自定义词库）
1、下载 data.zip
下载后解压到任意目录，接下来通过配置文件告诉HanLP数据包的位置。
HanLP中的数据分为词典和模型，其中词典是词法分析必需的，模型是句法分析必需的。

data
│
├─dictionary
└─model

用户可以自行增删替换，如果不需要句法分析等功能的话，随时可以删除model文件夹。由于model文件夹有1G多，分词功能不依赖它，可以直接删除。
2、下载jar和配置文件：hanlp-release.zip
解压后得到如下三个文件：

其中hanlp.properties是配置文件，配置文件的作用是告诉HanLP数据包的位置，只需修改第一行。

root=D:/develop/HanLP/

此路径为data的父目录即可，比如data目录是/Users/hankcs/Documents/data，那么root=/Users/hankcs/Documents/ 。
最后将hanlp.properties放入classpath即可，对于多数项目，都可以放到src或resources目录下，编译时IDE会自动将其复制到classpath中。除了配置文件外，还可以使用环境变量HANLP_ROOT来设置root。
然后将两个jar引入项目依赖，就可以开始编写代码了。
3、自定义词典的分词功能的使用方法
其实分词功能可以通过两中方法实现：
3.1 在代码中实现

import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.dictionary.CustomDictionary;
import com.hankcs.hanlp.seg.Segment;
import com.hankcs.hanlp.seg.common.Term;

import java.util.List;

/**
 * 在代码中自定义词性
 */
public class HanlpTest1 {
   
    public static void main(String[