ansj_seg

Ansj中文分詞

使用幫助

• 開發文件：3.x版本及之前，5.x版本及之後

摘要

這是一個基於n-Gram+CRF+HMM的中文分詞的java實作。

分詞速度達到每秒鐘約200萬字左右（mac air下方測試），準確率能達到96%以上。

目前實現了中文分詞、中文姓名識別、用戶自訂字典、關鍵字提取、自動摘要、關鍵字標記等功能。

可應用到自然語言處理等方面，適用於對分詞效果要求高的各種項目。

maven

        
        <dependency>
            <groupId>org.ansj</groupId>
            <artifactId>ansj_seg</artifactId>
            <version>5.1.1</version>
        </dependency>
    

呼叫demo

如果你第一次下載只想測試測試效果可以呼叫這個簡易接口

 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,!

Join Us

想了很久，不管有沒有人幫忙吧。我寫上來，如果你有興趣，有熱情可以聯絡我。

• 補充文檔，增加呼叫實例和說明
• 增加一些規則性Recognition，舉例身份證號碼識別，目前未完成的有时间识别， IP地址识别，邮箱识别，网址识别，词性识别等...
• 提供更加最佳化的CRF模型。替換ansj的預設模型。
• 補充測試用例，n多地方測試不完全。如果你有興趣可以幫忙！
• 重構人名辨識模型。增加機構名識別等模型。
• 增加句法文法分析
• 實現lstm的分詞方式
• 拾遺補漏...