Ansj自定义词典

1.首先添加ansj的maven依赖

<dependency>
    <groupId>org.ansj</groupId>
    <artifactId>ansj_seg</artifactId>
    <version>5.1.2</version>
</dependency>

2.使用ansj测试分词

public class WordSegmentTest {
    @Test
    public void wordTest(){
        String str = "这是一段测试文字";
	Result result=NlpAnalysis.parse(str);
	List<Term> termList=result.getTerms();
	for(Term term:termList){
    	    System.out.println(term.getName()+":"+term.getNatureStr());
	}

    }
}

输出结果：

这:r
是:v
一段:m
测试:vn
文字:n

假如想把‘这是’当做一个词来分，可以使用以下两种方法：
（1）使用DicLibrary添加自定义分词

public class WordSegmentTest {
    @Test
    public void wordTest(){
        String str = "这是一段测试文字";
        DicLibrary.insert(DicLibrary.DEFAULT, "这是");//设置自定义分词
	Result result=NlpAnalysis.parse(str);
	List<Term> termList=result.getTerms();
	for(Term term:termList){
    	    System.out.println(term.getName()+":"+term.getNatureStr());
	}
    }
}

输出结果：

这是:userDefine
一段:m
测试:vn
文字:n

（2）官方给出的方法一：

在resource目录下创建library文件夹，然后在该文件夹下创建userLibrary.dic字典文件

在userLibrary.dic文件中添加自定义分词：

这是	r	1000

这里假设‘这是’的词性是r

在resource目录下创建library.properties,在配置文件中配置userLibrary

userLibrary=library/userLibrary.dic

但是直接测试发现并没有起作用，然后查资料，需要Library加载自定义字典文件，完成Forest的实例化，分词时再将forest对象传入才生效：

public class WordSegmentTest {
    @Test
    public void wordTest(){

        Forest forest = null;
        try {
            forest=Library.makeForest(WordSegmentTest.class.getResourceAsStream("/library/userLibrary.dic"));//加载字典文件
            String str = "这是一段测试文字";
            Result result=NlpAnalysis.parse(str,forest);//传入forest
            List<Term> termList=result.getTerms();
            for(Term term:termList){
                System.out.println(term.getName()+":"+term.getNatureStr());
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

输出结果：

这是:r
一段:m
测试:vn
文字:n

参考：

http://nlpchina.github.io/ansj_seg/

http://bbs.csdn.net/topics/391492653

http://www.cnblogs.com/en-heng/p/6274881.html