Esta é uma implementação java de segmentação de palavras chinesas baseada em n-Gram+CRF+HMM.
A velocidade de segmentação de palavras atinge cerca de 2 milhões de palavras por segundo (testado no mac air), e a precisão pode chegar a mais de 96%.
Atualmente, foram implementadas funções como segmentação de palavras chinesas, reconhecimento de nomes chineses, dicionários definidos pelo usuário, extração de palavras-chave, resumo automático e marcação de palavras-chave.
Pode ser aplicado ao processamento de linguagem natural e outros aspectos, e é adequado para diversos projetos que exigem altos efeitos de segmentação de palavras.
<dependency>
<groupId>org.ansj</groupId>
<artifactId>ansj_seg</artifactId>
<version>5.1.1</version>
</dependency>
Se você baixa pela primeira vez e deseja apenas testar o efeito de teste, pode chamar esta interface simples
String str = "欢迎使用ansj_seg,(ansj中文分词)在这里如果你遇到什么问题都可以联系我.我一定尽我所能.帮助大家.ansj_seg更快,更准,更自由!" ;
System.out.println(ToAnalysis.parse(str));
欢迎/v,使用/v,ansj/en,_,seg/en,,,(,ansj/en,中文/nz,分词/n,),在/p,这里/r,如果/c,你/r,遇到/v,什么/r,问题/n,都/d,可以/v,联系/v,我/r,./m,我/r,一定/d,尽我所能/l,./m,帮助/v,大家/r,./m,ansj/en,_,seg/en,更快/d,,,更/d,准/a,,,更/d,自由/a,!
Estou pensando nisso há muito tempo, não importa se alguém possa me ajudar. Vou anotar. Se você estiver interessado ou entusiasmado, pode entrar em contato comigo.
时间识别
, IP地址识别
,邮箱识别
,网址识别
,词性识别
, etc.