IKAnalyzer分词

2019独角兽企业重金招聘Python工程师标准>>>

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();

转载于:https://my.oschina.net/u/2260184/blog/592402