stanford-segmenter一个简单例子
来源:互联网 发布:排序算法复杂度比较 编辑:程序博客网 时间:2024/06/05 19:33
1.简介
stanford分词目前支持 Arabic 和 Chinese。它的原理是基于CRFs, CRFs分词的原理不难懂,就是把分词当作另一种形式的命名实体识别,利用特征建立概率图模型后,用Veterbi算法求最短路径。stanford nlp提供了源码demo,目前的版本是3.5.2。
下载地址:http://nlp.stanford.edu/software/segmenter.shtml2.例子
step1: 新建project,将下载的stanford-segmenter-2015-04-20.zip解压,把解压后的arabic,data文件夹以及3个jar包和test.simp.utf8都复制到新建的project的根目录下,把SegDemo.java放到src源代码目录下。(注意:JDK需要1.8)如下图所示:
step2: 打开页面SegDemo,看一下源代码,如下图所示:
在当前页面Run As -> Run Configurations,在VM arguments中写入参数,由于Stanford-Sementer占用的内存比较大,所以需要设置VM arguments,不然就会超内存。如下图所示:
然后可以运行了,运行的结果如下图所示:
说明:这个运行结果对应的源语料是直接在源程序中写的一句话,当然我们也可以把需要分词的源语料作为参数文件传入,即project中在step1中添加的test.simp.utf8文件,使用test.simp.utf8文件的过程如下图所示:
重新运行结果如下:
注:我使用的是myecliple,当时在控制台输出中文时显示乱码,因此需要改一下编码方式,如下图所示:
0 0
- stanford-segmenter一个简单例子
- Stanford Word Segmenter使用
- Stanford Word Segmenter使用
- stanford-segmenter的使用
- Stanford Chinese Segmenter 的使用
- stanford segmenter加入自定义用户词典
- stanford-segmenter中文分词基本使用
- 使用Stanford Word Segmenter and Stanford Named Entity Recognizer (NER)实现中文命名实体识别
- 使用Stanford Word Segmenter and Stanford Named Entity Recognizer (NER)实现英文命名实体识别
- 使用Stanford Word Segmenter and Stanford Named Entity Recognizer (NER)实现中文命名实体识别
- 使用Stanford Word Segmenter and Stanford Named Entity Recognizer (NER)实现中文命名实体识别
- 使用Stanford Word Segmenter and Stanford Named Entity Recognizer (NER)实现中文命名实体识
- 一个简单木马例子
- 一个简单的例子
- 一个简单木马例子
- 一个ajax简单例子
- 一个Spring简单例子
- HttpInvokerProxyFactoryBean一个简单例子
- Application.Current的使用
- 合并小图片利器TexturePacker GUI
- [php] 面包屑导航
- CallBack类的使用方法
- CSS3 border-image详解、应用及jQuery插件
- stanford-segmenter一个简单例子
- String与string的区别
- 织梦搜索时间间隔的修改方法
- AFNetWorking在IOS9 请求数据失败解决方案
- 全面理解Javascript闭包和闭包的几种写法及用途
- 使用python的列表解析以及函数式计算来简化代码
- 装系统出现error cannot load file code 5555h 该如何解决
- [python]对self和_init_的理解
- 搭建小系统