smartcn 词库构造工具 smartcn-dict

• 授权协议: GPL
• 开发语言: Java
• 操作系统: 跨平台
• 软件首页: https://github.com/Kerwin23/smartcn-dict
• 软件文档: https://github.com/Kerwin23/smartcn-dict
• 官方下载: https://github.com/Kerwin23/smartcn-dict

软件介绍

lucene 中 smartcn 分词器使用自带的词库，在工作中，需要扩展词库，而自带的词库是使用自然语言处理生成的词库，如果我们已有词库或者不想通过自然语言处理构建词库时，可使用该工具构造词库，使用方法如下：

• 创建词库文件，词库每一行格式为：#词汇# #词频#，其中，词频可以不存在，当词频不存在时，工具会随机生成100以内的伪词频

• 使用com.tiktok01.smartcn包中的CmdApp类，或者编译后的jar包，jar包参数如下： -srcdict: 自建词库文件路径 -coremem: 原始词库coredict.mem文件的路径，可为空，不为空则合并 -target: dict文件生成目录，会在该目录中生成new_coredict.dct和new_bigramdict.dct文件

• 词库使用方法: 方法一: 修改并编译smartcn包的源码 方法二: 参考源码中test目录的做法，重写Smartcn的Analyzer类型，反射重新加载dict文件

本文地址：https://codercto.com/soft/d/12248.html