Jcseg[dʒɛ'ke'sɛ]是使用Java开发的一个开源中文分词器,使用流行的mmseg算法实现,并且提供了最高版本的lucene-4.x和最高版本solr-4.x的分词接口.
1.9.3发布已经是三个月前的事情了,感叹下时间过的真快。
Jcseg-1.9.4更新如下:
1. 改善中英混合词的识别,可以识别更多情况, 例如: 高3。
2. 加入IHashQueue来替换原来的ILinkedList,改善word pool的性能,加快切分速度。
3. 更改org.lionsoul.jcseg.util.STConverter加入了更全的简繁词条对照。
4. 修复了中文数字转阿拉伯数字的一种会过滤的情况。(http://code.google.com/p/jcseg/issues/detail?id=22)
5. 修复词库路径空格无法加载的bug,JAR_HOME = java.net.URLDecoder.decode("", "utf-8")。
6. 修复中文数字转阿拉伯数字的一个bug。(例如:二零一四年会被转换成1914年)
7. 检测模式切分(只切分返回词库中已有的词条,自动大小写,全半角转换)。
因为google code不在提供新download的添加,jcseg下载地址如下:
(1). jcseg sourceforge: https://sourceforge.net/projects/jcseg/files/?source=navbar
(2). git@osc attach: http://git.oschina.net/lionsoul/jcseg/attach_files
感谢广大网友的一直关注和反馈。
祝您心情愉悦。