IK Analyzer demo
来源:互联网 发布:关于大数据的论文 编辑:程序博客网 时间:2024/05/06 05:51
来源:http://dearggae.blogcn.com/articles/ik-analyzer-getting-started.html
【内容简介】
IK Analyzer是一个开源的,基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始, IKAnalyzer已经推出了4个大版本。最初,它是以开源项目Luence为应用主体的,结合词典分词和文法分析算法的中文分词组件。从3.0版本开始,IK发展为面向Java的公用分词组件,独立于Lucene项目,同时提供了对Lucene的默认优化实现。在2012版本中,IK实现了简单的分词歧义排除算法,标志着IK分词器从单纯的词典分词向模拟语义分词衍化。
IK Analyzer 2012特性:
1.采用了特有的“正向迭代最细粒度切分算法“,支持细粒度和智能分词两种切分模式;
2.在系统环境:Core2 i7 3.4G双核,4G内存,window 7 64位, Sun JDK 1.6_29 64位 普通pc环境测试,IK2012具有160万字/秒(3000KB/S)的高速处理能力。
3.2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。
4.采用了多子处理器分析模式,支持:英文字母、数字、中文词汇等分词处理,兼容韩文、日文字符
5.优化的词典存储,更小的内存占用。支持用户词典扩展定义。特别的,在2012版本,词典支持中文,英文,数字混合词语。
下载路径:http://code.google.com/p/ik-analyzer/downloads/list
【使用入门】
需要在项目中引入的内容如下:
IKAnalyzer.cfg.xml
IKAnalyzer2012.jar
lucene-core-3.6.0.jar
stopword.dic
【使用IK Analyzer及lucene】
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
package
IKAnalyzer.dearggae;
import
java.io.IOException;
import
java.io.StringReader;
import
org.apache.lucene.analysis.Analyzer;
import
org.apache.lucene.analysis.TokenStream;
import
org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import
org.wltea.analyzer.lucene.IKAnalyzer;
public
class
Test2 {
public
static
void
main(String[] args)
throws
IOException {
String text=
"基于java语言开发的轻量级的中文分词工具包"
;
//创建分词对象
Analyzer anal=
new
IKAnalyzer(
true
);
StringReader reader=
new
StringReader(text);
//分词
TokenStream ts=anal.tokenStream(
""
, reader);
CharTermAttribute term=
ts.getAttribute(CharTermAttribute.
class
);
//遍历分词数据
while
(ts.incrementToken()){
System.out.print(term.toString()+
"|"
);
}
reader.close();
System.out.println();
}
}
【使用IKAnalyzerDuLi】
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
package
IKAnalyzer.dearggae;
import
java.io.IOException;
import
java.io.StringReader;
import
org.wltea.analyzer.core.IKSegmenter;
import
org.wltea.analyzer.core.Lexeme;
public
class
Test3 {
public
static
void
main(String[] args)
throws
IOException {
String text=
"基于java语言开发的轻量级的中文分词工具包"
;
StringReader sr=
new
StringReader(text);
IKSegmenter ik=
new
IKSegmenter(sr,
true
);
Lexeme lex=
null
;
while
((lex=ik.next())!=
null
){
System.out.print(lex.getLexemeText()+
"|"
);
}
}
}
【输出的结果】
基于|java|语言|开发|的|轻量级|的|中文|分词|工具包|
0 0
- IK Analyzer demo
- IK Analyzer
- IK Analyzer 分词
- 中文分词 IK Analyzer
- IK Analyzer 2012 版本
- Lucene中文分词IK Analyzer
- IK Analyzer 2012FF_hf1使用
- IK Analyzer中文分词器
- IK Analyzer实现中文分词
- IK Analyzer 类图关系
- maven github ik-analyzer bug
- IK Analyzer 3.0 中文分词器
- IK-analyzer添加搜狗词库
- 整合Lucene 4.10.1 与IK Analyzer
- Paoding、mmseg4j、IK Analyzer添加自定义词典
- 简单的java中文分词IK Analyzer
- 中文分词下载IK Analyzer 2012FF_hf1
- solr配置中文分词器IK Analyzer
- spring系列之3--iBATIS的使用
- 21总结
- 类神经网络的角点检测方法
- 【SQL】10g字符串处理函数regexp_substr的用法示例
- cmd命令示例
- IK Analyzer demo
- C++关键字的详解 ---- mutable关键字
- eclipse相关问题一:无法import项目,显示 select at list one project
- c++在vs2010中操作Mysql的讲解
- 环信sdk的module,titanium也可以做IM即时聊天了
- Swap Nodes in Pairs
- 计算机的性能评价一
- 1011. A+B和C (15)
- 深入浅出Android App耗电量统计