锐客网

  1. 首页 > 睿知 > it技术 > >

分词代码java 分词 java( 二 )

IT技术方法


2、基于理解的分词方法
这种分词方法是通过让计算机模拟人对句子的理解，达到识别词的效果 。其基本思想就是在分词的同时进行句法、语义分析 ， 利用句法信息和语义信息来处理歧义现象 。它通常包括三个部分：分词子系统、句法语义子系统、总控部分 。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程 。这种分词方法需要使用大量的语言知识和信息 。由于汉语语言知识的笼统、复杂性，难以将各种语言信息组织成机器可直接读取的形式，因此目前基于理解的分词系统还处在试验阶段 。
3、基于统计的分词方法
从形式上看 ， 词是稳定的字的组合，因此在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词 。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度 。可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息 。定义两个字的互现信息，计算两个汉字X、Y的相邻共现概率 。互现信息体现了汉字之间结合关系的紧密程度 。当紧密程度高于某一个阈值时，便可认为此字组可能构成了一个词 。这种方法只需对语料中的字组频度进行统计，不需要切分词典，因而又叫做无词典分词法或统计取词方法 。但这种方法也有一定的局限性 ， 会经常抽出一些共现频度高、但并不是词的常用字组，例如“这一”、“之一”、“有的”、“我的”、“许多的”等，并且对常用词的识别精度差 ， 时空开销大 。实际应用的统计分词系统都要使用一部基本的分词词典（常用词词典）进行串匹配分词，同时使用统计方法识别一些新的词，即将串频统计和串匹配结合起来，既发挥匹配分词切分速度快、效率高的特点 ， 又利用了无词典分词结合上下文识别生词、自动消除歧义的优点 。
到底哪种分词算法的准确度更高，目前并无定论 。对于任何一个成熟的分词系统来说，不可能单独依靠某一种算法来实现 ， 都需要综合不同的算法 。笔者了解 ， 海量科技的分词算法就采用“复方分词法”，所谓复方 ， 相当于用中中的复方概念，即用不同的才综合起来去医治疾?。杂谥形拇实氖侗穑枰嘀炙惴ɡ创聿煌奈侍?。
java如何分词？？如果你的分词规则是在一个字符串的开头和结尾加上"_" ， 然后两个字符一分的话 ， 代码可以这样写：
import java.util.ArrayList;
import java.util.List;
public class Participle
{
private static final String HEAD_END_STR = "_";
private static final int PARTICIPLE_LENGTH = 2;
public static void main(String[] args)
{
String exampleWord = "计算机";
exampleWord = "_" + exampleWord + "_";
int length = exampleWord.length();
ListString result = new ArrayListString();
for (int i = 0; ilength - 1; i++)
{
String str = exampleWord.substring(i, i + PARTICIPLE_LENGTH);
result.add(str);
}
System.out.println(result);
}
}
输出结果：_计, 计算, 算机, 机_
java编个中文分词的程序import java.io.Reader;
import java.io.StringReader;
import org.apache.lucene.analysis.*;
import org.apache.lucene.analysis.cjk.CJKAnalyzer;
import org.apache.lucene.analysis.cn.ChineseAnalyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.mira.lucene.analysis.MIK_CAnalyzer;
public class JeAnalyzer {
public static void testStandard(String testString) {
try {

推荐阅读


上一篇：电脑华硕启动怎么设置u盘启动不了，华硕电脑开机设置u盘启动

下一篇：如何添加会动的ppt，怎么做会动的ppt