thulac java_中文分词组件：thulac及jieba试用手记

一、THULAC

THULAC由《清华大学自然语言处理与社会人文计算实验室》研制推出的一套中文词法分析工具包。

官网地址：http://thulac.thunlp.org，该项目提供了多种语言，本文以java版为例，先下载以下二个组件：

1、THULAC_lite_v1_2分词java版可执行的jar包：THULAC_lite_java_v1_2_run.jar

2、THULAC模型，包括分词模型和词性标注模型(v1_2): Models_v1_v2(v1_2).zip

把THULAC模型解压到与jar文件相同的目录下，默认会生成models目录。

然后创建一个input.txt做为输入，这里选择了一首歌词：

郁可唯-茶汤

词曲：方文山

山岚像茶杯上的云烟

颜色越来越浅

你越走越远

有好多的话还来不及兑现，你就不见

我身后窗外那片梯田

像一段段从前

我站在茶园，抬头望着天，想象你会在山的，那一边

我说再喝一碗我熬的茶汤

你说你现在马上要渡江

渡江到那遥远的寒冷北方

就怕你的手会冻僵

你何时回来喝我熬的茶汤

这次我会多放一些老姜

你寄来的信一直搁在桌上

不知要寄还哪地方

北风它经过多少村落

来来回回绕过

分不清那年，我求天保佑，只见风声大做，却更寂寞

使用方法：

java -jar THULAC_lite_java_v1_2_run.jar -