MMSeg4j 分词器

MMSeg4j用Chih-Hao Tsai 的MMSeg算法实现的中文分词器,并实现lucene的analyzer和solr的TokenizerFactory以方便在Lucene和Solr中使用。

MMSeg 算法有两种分词方法:Simple和Complex,都是基于正向最大匹配。Complex加了四个规则过滤。官方说:词语的正确识别率达到了 98.41%。MMSeg4j已经实现了这两种分词算法。

Maven依赖

<dependency>
    <groupId>com.chenlb.mmseg4j</groupId>
    <artifactId>mmseg4j-core</artifactId>
    <version>1.10.0</version>
</dependency>

一个简单应用

public static List<String> segmentWords(String txt) {
    List<String> words = new ArrayList<String>();
    Dictionary dic = Dictionary.getInstance();
    MMSeg mmSeg = new MMSeg(new StringReader(txt), new ComplexSeg(dic));
    Word word = null;
    try {
        while ((word = mmSeg.next()) != null) {
            String w = word.getString();
            words.add(w);
        }
    } catch (IOException e) {
        throw new ServiceErrorException(e);
    }
    return words;
}

public static void main(String[] args) {
    SString txt = "";
    txt = "京华时报1月23日报道 昨天,受一股来自中西伯利亚的强冷空气影响,本市出现大风降
温天气,白天最高气温只有零下7摄氏度,同时伴有6到7级的偏北风。";
    txt = "研究生命起源";
    txt = "手机电子书    abc   http://www.sjshu.com";
    txt = "Apple 苹果 MacBook Pro MB991CH/A 13.3m寸宽屏笔记本(Ⅱ,⑩)";
    System.out.println(segmentWords(txt));
}

参考链接:MMSeg4j官网

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值