新版本eig反馈信息.docVIP

ICTCLAS 2011 用户手册 WHITEPAPER Thursday, April 14, 2011  目 录 一、ICTCLAS2011简介 3 二、ICTCLAS2011功能介绍 5 2.1、ICTCLAS2011初始界面 5 2.2 分词 6 2.3 用户词典 7 2.4关键词提取 9 2.5 指纹提取 10 三、ICTCLAS2011运行环境 10 四、ICTCLAS2011评测结果 11 ICTCLAS在973评测中的测试结果 11 第一届国际分词大赛的评测结果 11 ICTCLAS3.0的评测结果 12 五、作者简介 13  一、ICTCLAS2011简介 我们在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。我们先后精心打造五年，内核升级次，目前已经升级到了ICTCLAS2011。选择ICTCLAS2011的五大理由： 1.综合性能最优 　　分词系统能否达到实用性要求主要取决于两个因素：分词精度与分析速度，这两者相互制约，难以平衡。大多数系统往往陷入“快而不准，准而不快”的窘境。我们研制出了完美PDAT大规模知识库管理技术（200510130690.3），在高速度与高精度之间取得了重大突破，该技术可以管理百万级别的词典知识库，单机每秒可以查询100万词条，而内存消耗不到知识库大小的1.5倍。基于该技术，ICTCLAS2011分词速度单机996KB/s，分词精度98.45%，API不超过200KB，各种词典数据压缩后不到3M，是当前世界上最好的汉语词法分析器。 2.统一的语言计算理论框架　　汉语分词牵涉到汉语分词、未定义词识别、词性标注以及语言特例等多个因素，大多数系统缺乏统一的处理方法，往往采用松散耦合的模块组合方式，最终模型并不能准确有效地表达千差万别的语言现象，而ICTCLAS采用了层叠隐马尔可夫模型（Hierarchical Hidden Markov Model），将汉语词法分析的所有环节都统一到了一个完整的理论框架中，获得最好的总体效果，相关理论研究发表在顶级国际会议和杂志上，从理论上和实践上都证实了该模型的先进性。 3.全方位支持各种环境下的应用开发　　ICTCLAS全部采用C/C++编写，支持Linux、FreeBSD及Windows系列操作系统，支持C/C++/C#/Delphi/Java等主流的开发语言； 4.应需而变，量身定做　　所有功能模块均可拆卸组装,ICTCLAS有GB2312和BIG5版本，可分别处理目简繁体中文；支持当前广泛承认的分词和词类标准，包括计算所词类标注集ICTPOS3.0，北大标准、滨州大学标准、国家语委标准、台湾“中研院”、香港“城市大学”；用户可以直接自定义输出的词类标准，定义输出格式；用户可以根据自己的需求，进行量身自助式定做适合自己的分词系统。 5.国内和国际权威的公开评测、万客户的认可 　　有些公司为了商业目的，关门自测，自称准确度99.50%，没有介绍测试环境和测试方法，封闭测试或者小规模的开放测试准确度100%都不足为奇的，ICTCLAS1.0在国内973专家组组织的评测中活动获得了第一名，ICTCLAS2.0在第一届国际中文处理研究机构SigHan组织的评测中都获得了多项第一名，具体的参见系统评测部分。这些都是权威机构进行大规模现场开放测试的结果，真实可信。 目前，ICTCLAS已经向国内外的企业和学术机构颁发了30,000多份授权，其中包括、NEC、中华商务网、硅谷动力、云南日报等企业，、清华大学、华南理工、麻省大学：同时，ICTCLAS广泛地被《科学时报》、《人民日报》海外版、《科技日报》等多家媒体报道。您可以访问Google进一步了解ICTCLAS的应用情况。 ICTCLAS2011有分词、用户词典、关键词提取、指纹提取等四大功能。 2.2 分词 导入或者输入需要处理的文字，选择【切分粒度】【标注集】，点击【分析】，下边框显示处理结果。  2.3 用户词典 导入或者输入需要处理的文字，点击【分析】，下边框显示处理结果。 有些词需要合并在一起，如（沙漠/n鱼/n）写入要合并在一起的词：如（沙漠鱼），点击【添加】就会输入想要的结果。  2.4关键词提取 导入或者输入需要处理的文字，点击【分析】，软件会根据文字内容分析输出文章中的关键词。  2.5 指纹提取 三、ICTCLAS2011运行环境 1. 可以支持Windows、Linux、FreeBSD等多种环境，支持普通PC机器即可运行。 2. 支持G