- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
前向最大中文分词java源码
一.中文分词目前主要方法
1)基于词典的匹配:
前向最大匹配,后向最大匹配
2)基于字的标注:
??最大熵模型,条件随机场模型,感知器模型
3)其它方法
??与词性标注结合,与句法分析结合
二.中文分词前向最大匹配java代码
package iim.segCn;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.TreeMap;
import java.util.TreeSet;
/**
* *****************************************************
* 分词
* *****************************************************
*
* @author
* @version 1.100, 07/07/06
* @since JDK1.6
*/
public class SegCn {
private String separator= ;
private static SegCn segmenter = null;
private TreeMapString, Boolean cnWords;
private TreeSetString cForeign, cNumbers;
private SegCn() {
cForeign = new TreeSetString();
cNumbers = new TreeSetString();
loadset(cNumbers, data/snumbers_u8.txt);
loadset(cForeign, data/sforeign_u8.txt);
System.out.print(Loading Lexicon);
cnWords = new TreeMapString, Boolean();
String newword = null;
try {
InputStream worddata = null;
worddata =new FileInputStream(new File(data/lexicon));
BufferedReader in = new BufferedReader(new InputStreamReader(
worddata));
int i=0;
while ((newword = in.readLine()) != null) {
if((++i)%10000==0){
System.out.print(.);
}
if ((newword.indexOf(#) == -1) (newword.length() 5)) {
cnWords.put(ern(), true);
if (newword.length() == 3) {
if (cnWords.containsKey(newword.substring(0, 2)
.intern()) == false) {
cnWords.put(newword.substring(0, 2).intern(), false);
}
}
if (newword.length() == 4) {
if (cnWords.containsKey(newword.substring(0, 2)
.intern()) == false) {
cnWords.put(newword.substring(0, 2).intern(), false);
}
if (cnWords.containsKey(newword.substring(0, 3)
.intern()) == false) {
cnWords.put(newword.substring(0, 3).intern(), false);
}
}
}
}
in.close();
System.out.println();
您可能关注的文档
最近下载
- 防范青少年药物滥用.pptx VIP
- 2025年广西专业技术人员继续教育公需科目(二)答案.docx VIP
- 执业药师继续教育《泌尿系统感染的药物治疗》习题答案.docx VIP
- 第14课中国共产党诞生 课件.pptx VIP
- 测量系统分析MSA模板(GRR+线性+偏倚+稳定性+计数型)-全公式未加密.xlsx
- 检验科临检组管理程序性SOP文件.doc VIP
- T∕ZZB 1912-2020 多层片式陶瓷电容器电极镍粉.pdf VIP
- 预制菜行业调研分析报告.docx VIP
- 神经内科诊疗指南-技术操作规范.pdf VIP
- APQP4Wind Manual 1.3 APQP4手册1.3 最新标准分享.pdf VIP
原创力文档


文档评论(0)