word v1.3.1 发布,Java 分布式中文分词组件
程序员文章站
2022-05-12 21:00:58
...
word 分词是一个Java实现的分布式的中文分词组件,提供了多种基于词典的分词算法,并利用ngram模型来消除歧义。能准确识别英文、数字,以及日期、时间等数量词,能识别人名、地名、组织机构名等未登录词。能通过自定义配置文件来改变组件行为,能自定义用户词库、自动检测词库变化、支持大规模分布式环境,能灵活指定多种分词算法,能使用refine功能灵活控制分词结果,还能使用词性标注、同义标注、反义标注、拼音标注等功能。同时还无缝和Lucene、Solr、ElasticSearch、Luke集成。
word 1.3.1这个版本是从代码分支ForElasticsearch1.7.2中编译出来的,主要目的是支持与
lucene4.10.4、solr4.10.4和elasticsearch1.7.2兼容的版本。
word 分词的分词效果怎么样?请看:Java开源项目cws_evaluation:中文分词器分词效果评估