mmseg4j core 使用 Chih-Hao Tsai 的 MMSeg 算法(http://technology.chtsai.org/mmseg/ )实现的中文分词器。
MMSeg 算法有两种分词方法:Simple和Complex,都是基于正向最大匹配。Complex 加了四个规则过虑。官方说:词语的正确识别率达到了 98.41%。mmseg4j 已经实现了这两种分词算法。
<dependency> <groupId>com.chenlb.mmseg4j</groupId> <artifactId>mmseg4j-core</artifactId> <version>1.10.0</version> </dependency>
git clone https://github.com/chenlb/mmseg4j-core mmseg4j-core
cd mmseg4j-core
mvn compile
#运行
#Complex 分词模式
java -cp .:target/classes com.chenlb.mmseg4j.example.Complex
#Simple 分词模式
java -cp .:target/classes com.chenlb.mmseg4j.example.Simple
#MaxWord 分词模式
java -cp .:target/classes com.chenlb.mmseg4j.example.MaxWord
#或编译打包
mvn package
java -cp .:target/mmseg4j-core-1.10.1-SNAPSHOT.jar com.chenlb.mmseg4j.example.Complex