分享
 
 
 

基于逆向最大化词表中文分词法。

王朝other·作者佚名  2006-01-10
窄屏简体版  字體: |||超大  

以前做知识管理系统的时候,由于需要建立全文检索和统计词频,需要对中文文本进行分词。对于中文分词,

国内做到好的应该是中科院自然研究所,但是相对比较复杂,我看了几次没有看明白. :) ,由于平常我们的知识系统

对分词的要求没有这么高,所以 就选择了最大化的词表分词法. 词表选择的是人民日报97版的词表.

实际效果可以达到90%以上,基本可以满足需要。支持 Lucene.net分词,词表是启动时一次性载入;

具体代码如下:

public sealed class LtWordTokenizer : Tokenizer

{

private String bufferText;

private ArrayList wordArray;

private int intIndex=0;

public static Hashtable hsDic=new Hashtable();

public LtWordTokenizer(TextReader _in)

{

input = _in;

bufferText=input.ReadToEnd().ToLower();

wordArray=new ArrayList();

wordSegment(bufferText);

}

public void wordSegment(String Sentence)

{

int senLen = Sentence.Length;

int i=0, j=0;

int M=12;

string word;

while(i < senLen)

{

int N= i+M<senLen ? i+M : senLen+1;

bool bFind=false;

for(j=N-1; j>i; j--)

{

word = Sentence.Substring(i, j-i).Trim();

if(hsDic.ContainsKey(word.Trim()))

{

wordArray.Add(new Token(word,i,i+word.Length));

bFind=true;

i=j;

break;

}

}

if(!bFind)

{

word = Sentence.Substring(i, 1).Trim();

i=j+1;

if(word.Trim()!="")

{

wordArray.Add(new Token(word,i,i+word.Length));

}

}

}

}

public override Token Next()

{

if(intIndex<wordArray.Count)

{

intIndex++;

return (Token)(wordArray[intIndex-1]);

}

else

return null;

}

}

}

下次可以在分词的时候更改一下,不必先分好保存到arraylist,动态速度更好。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有