paip.中文 分词 ---paoding 3.1 的使用
paip.中文 分词 ---paoding 3.1 的使用
作者Attilax 艾龙, EMAIL:1466519819@qq.com
来源:attilax的专栏
地址:http://blog.csdn.net/attilax
paoding 3.1 下载:
Paoding分词器基于Lucene4.x
http://git.oschina.net/zhzhenqin/paoding-analysis.git
原项目见 https://code.google.com/p/paoding/
设置字典路径
/paodinProj/src/paoding-dic-home.properties 默认不用更改..
/paodinProj/dic
测试代码
*/
public static void main(String[] args) throws IOException {
String text = "我的QQ号码是1466519819";
text="一生当中,真正的朋友只有那么一两个!可以为自己的友情做个加减法!";
Analyzer analyzer = new PaodingAnalyzer();
TokenStream ts = analyzer.tokenStream("text", new StringReader(text));
//添加工具类 注意:以下这些与之前lucene2.x版本不同的地方
CharTermAttribute offAtt = (CharTermAttribute) ts.addAttribute(CharTermAttribute.class);
// 循环打印出分词的结果,及分词出现的位置
while (ts.incrementToken()) {
System.out.print(offAtt.toString() + "\t");
结论:
实现类: PaodingAnalyzer
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
效果不如ik,Ictclas4j
}
}
最新文章
- 【09-27】Spring 学习笔记
- 依赖倒置(DIP)与依赖注入(DI)
- Binary XML file line #2: Error inflating
- 5个强大的Java分布式缓存框架推荐
- 理解IEnumerator+IEnumerable这种接口思想
- php中防盗链使用.htaccess
- SQL2005:SQL Server 2005还原数据库时出现“不能选择文件或文件组XXX_log用于此操作的解决办法
- SQL Server 查看存储过程执行次数的方法
- Erlang第二课 ---- bit串
- Windows性能计数器2
- IIS配置及防黑
- 我的linux云服务器配置记录
- Python+Requests接口测试教程(1):Fiddler抓包工具
- CSS学习总结
- Webpack 2 视频教程 020 - Webpack 2 中的 HMR ( Hot Module Replacement )
- 关于如何使用SVN的一些建议
- mysql开发规范(优化)
- BootstrapTable-加载数据
- CSS3之3D轮播图
- WebService相关