首页 > 代码库 > 自然语言交流系统 phxnet团队 创新实训 项目博客 (十)

自然语言交流系统 phxnet团队 创新实训 项目博客 (十)

 
关于本项目中使用到的庖丁分词的总结:
 
Paoding 详细介绍

庖丁中文分词库是一个使用Java开发的,可结合到Lucene应用中的,为互联网、企业内部网使用的中文搜索引擎分词组件。Paoding填补了国内中文分词方面开源组件的空白,致力于此并希翼成为互联网网站首选的中文分词开源组件。 Paoding中文分词追求分词的高效率和用户良好体验。

Paoding‘s Knives 中文分词具有极 高效率 和 高扩展性 。引入隐喻,采用完全的面向对象设计,构思先进。

高效率:在PIII 1G内存个人机器上,1秒 可准确分词 100万 汉字。

采用基于 不限制个数 的词典文件对文章进行有效切分,使能够将对词汇分类定义。

能够对未知的词汇进行合理解析

 

 

1.  从网上下载了一个庖丁解牛中文分词工具压缩包,放入D:\SoftwarePackage中。解压D:\SoftwarePackage中的paoding-analysis-2.0.4-beta压缩包到文件夹D:\software\paoding-analysis-2.0.4-beta中。

2.  新建Java工程PaodingAnalysisTest,在工程下新建文件夹lib,将解压后文件里面的paoding-analysis.jar以及lib目录下的commons-logging.jar,lucene-analyzer-2.2.0.jar,lucene-core-2.2.0.jar四个文件拷贝到lib目录下,在这里需要修改下paoding-analysis.jar里面的内容,用解压工具打开paoding-analysis.jar,修改paoding-dic-home.properties里面的内容,将#paoding.dic.home=dic修改成paoding.dic.home=E://WorkSpace//data//dic(此处路径可根据字典存放的位置进行相应更改),保存即可。

3.  右键单击工程->Properties->Java Build Path,在右侧选中第三个标签Libraries,点击Add JARs…,导入上述四个包;再选择第四个标签Order and Export,勾选上这四个包,点击OK按钮。

4.  然后创建一个主类,编写测试小程序(此程序是从网上copy过来的)

import java.io.*;

 

import org.apache.lucene.analysis.Analyzer;

import org.apache.lucene.analysis.Token;

import org.apache.lucene.analysis.TokenStream;

import net.paoding.analysis.analyzer.PaodingAnalyzer;

 

public class FenciTest{

 

/**

     * @param args

 */

public static voidmain(String[] args) {

// TODOAuto-generated method stub

     Analyzeranalyzer=new PaodingAnalyzer();

     StringdocText=null;

     Filefile=new File("E:\\WorkSpace\\data\\FenciTest1.txt");

     docText=readText(file);

     TokenStreamtokenStream=analyzer.tokenStream(docText, newStringReader(docText));

     try{

         Tokent;

         //System.out.println(docText);

         while((t=tokenStream.next())!=null){

             System.out.println(t);

         }

        }catch(IOExceptione){

         e.printStackTrace();

     }

}

 

    private static StringreadText(File file) {

        // TODOAuto-generated method stub

        String text=null;

        try{

                InputStreamReaderread1=new InputStreamReader(newFileInputStream(file),"GBK");

            BufferedReaderbr1=new BufferedReader(read1);

            StringBufferbuff1=new StringBuffer();

            while((text=br1.readLine())!=null){

                buff1.append(text+"/r/n");

            }

            br1.close();

            text=buff1.toString();         

        }catch(FileNotFoundExceptione){

            System.out.println(e);

        }catch(IOExceptione){

            System.out.println(e);

        }

        return text;

    }

}

 

 

如果您愿意花几块钱请我喝杯茶的话,可以用手机扫描下方的二维码,通过 支付宝 捐赠。我会努力写出更好的文章。 
(捐赠不显示捐赠者的个人信息,如需要,请注明您的联系方式) 
Thank you for your kindly donation!!

 

 技术分享

自然语言交流系统 phxnet团队 创新实训 项目博客 (十)