1.简介
stanford分词目前支持 Arabic 和 Chinese。它的原理是基于CRFs, CRFs分词的原理不难懂,就是把分词当作另一种形式的命名实体识别,利用特征建立概率图模型后,用Veterbi算法求最短路径。stanford nlp提供了源码demo,目前的版本是3.5.2。
下载地址:http://nlp.stanford.edu/software/segmenter.shtml2.例子
step1: 新建project,将下载的stanford-segmenter-2015-04-20.zip解压,把解压后的arabic,data文件夹以及3个jar包和test.simp.utf8都复制到新建的project的根目录下,把SegDemo.java放到src源代码目录下。(注意:JDK需要1.8)如下图所示