当前位置: 首页 > 工具软件 > ICTCLAS4J > 使用案例 >

ictclas4j java_Paoding, Ik, Jeasy, Ictclas4j分词工具

楚举
2023-12-01

1.Paoding

版本: 2.0.4

实现类: PaodingAnalyzer

依赖包: lucene 2.4

使用方法: 主要通过lucene的接口实现,

Analyser#tokenStream方法

切词效果:

传统/意义/意义上/上的/几何/几何学/研究/图形/形的/形状/大/大小/等/性质

备注: paoding的切词会漏字(食字),上面的结果就食了 ‘在’ 字;

总会进行最小粒度切分,只要在词库里有的词组,都会出现。如:之前-->前/之前

2.IK

版本: 3.2.3

实现类:IKSegmentation

依赖包:无,可以不依赖于Lucene直接应用

使用方法:

IKSegmentation ik = new IKSegmentation(new StringReader(str1),

false);// 最少粒度

切分

Lexeme le = null;

while ((le = ik.next()) != null) {

System.out.print(le.getLexemeText() + "/");

}

切词效果:

IK(最小粒度):在/传统/意义上/意义/的/几何学/几何/几/是/研究/图形/的/形状/大小/等/性质/

IK(最大粒度):在/传统/意义上/的/几何学/几/是/研究/图形/的/形状/大小/等/性质/

备注:IK不会食字,

在构造函数的第二个参数可以设定最小粒度和最大粒度,

不依赖于Lucene

但可以看到最大粒度也仍然会有重字的情况,几何学-->几何学/几,分成了两个词。

3.Jeasy/je-analysis-1.5.1.jar/ MMAnalyzer

版本:1.5.1

实现类:MMAnalyzer

依赖包:依赖于Lucene2.4~2.9版本的包

使用方法:

很简单--> MMAnalyzer mm = new MMAnalyzer(); String

result = mm.segment

(str,splitor);

splitor是切词后各词组的分隔符,这里使用'/'

切词效果:传统/意义上/几何学/研究/图形/形状/大小/性质/

备注:

这个不开源的,不过感觉效果比其它都好,

会食字,但不会有重字

4.Ictclas4j

版本:0.9.1

实现类:SegTag

依赖包:无,不依赖于Lucene

使用方法:

SegTag st = new SegTag(1);

SegResult sr = st.split(str);

System.out.println(sr.getFinalResult());

切词效果:在/p 传统/n 意义/n 上/f 的/u 几何学/n 是/a 研究/n

图形/n 的/b 形状/n 大小/a

等/a 性质/n

备注:

这个项目是中科院做的,带词性分析的,原来是c++写的,有人改写成java的

在官网上有几个版本,把项目打包后,还要把项目里的Data文件夹放到应用的项目中才可以用。Data文件夹是保存字典的,一个很大的坏处是:在eclipse里的java文件一定要保存为gbk编码才可以正常运行,utf-8是不能运行的

不会食字,没有重字

 类似资料: