一、IKAnalyzer介绍
IK Analyzer 是一个开源的,基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始, IKAnalyzer已经推出了4个大版本。最初,它是以开源项目Luence为应用主体的,结合词典分词和文法分析算法的中文分词组件。从3.0版本开 始,IK发展为面向Java的公用分词组件,独立于Lucene项目,同时提供了对Lucene的默认优化实现。在2012版本中,IK实现了简单的分词 歧义排除算法,标志着IK分词器从单纯的词典分词向模拟语义分词衍化。
IK Analyzer 2012特性:
采用了特有的“正向迭代最细粒度切分算法“,支持细粒度和智能分词两种切分模式;
在系统环境:Core2 i7 3.4G双核,4G内存,window 7 64位, Sun JDK 1.6_29 64位 普通pc环境测试,IK2012具有160万字/秒(3000KB/S)的高速处理能力。
2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。
采用了多子处理器分析模式,支持:英文字母、数字、中文词汇等分词处理,兼容韩文、日文字符
优化的词典存储,更小的内存占用。支持用户词典扩展定义。特别的,在2012版本,词典支持中文,英文,数字混合词语。
IKAnalyzer 同时还有一个非官方的 .NET 版本 —— IKAnalyzer.NET
二、使用说明
分词停止词词典及数据库相关词典:
例子1:
public class IKAnalyzer {
/**
*
* @param text
* @param type true: 智能分词 false: 细粒度分词
* @return words
* @throws IOException
*/
public static Map<String, String> iKAnalyzer(String text, boolean type) throws IOException{
Map<String, String> words = new HashMap<String, String>();
StringReader sr = new StringReader(text);
IKSegmenter ik = new IKSegmenter(sr, type);
Lexeme lex = null;
while ((lex = ik.next()) != null) {
words.put(lex.getLexemeText(), lex.getLexemeText());
}
return words;
}
}
IKAnalyzer用于Lucene5的文件:
IKAnalyzer最新版用于Lucene5的文件,不需要修改源代码。
在使用Lucene5时原有Analyzer analyzer = new IKAnalyzer();的地方代替换为Analyzer analyzer = new IKAnalyzer5x();