1. 介绍

thulac4j是THULAC的Java 8工程化实现，相比于官方版THULAC-Java，我们做了如下工作：

1. 规范化分词词典，并去掉一些无用词；

2. 重写DAT（双数组Trie树）的构造算法，生成的DAT size减少了8%左右，从而节省了内存；

3. 优化分词算法，提高了分词速率。

若想在项目中使用thulac4j，可添加依赖：

<dependency>
  <groupId>io.github.yizhiru</groupId>
  <artifactId>thulac4j</artifactId>
  <version>1.0.1</version></dependency>

thulac4j支持两种分词模式：

1. SegOnly模式，只分词没有词性标注；

2. SegPos模式，分词兼有词性标注。

// SegOnly modeString sentence = "滔滔的流水，向着波士顿湾无声逝去";
SegOnly seg = new SegOnly("seg_only.bin");
System.out.println(seg.segment(sentence));// [滔滔, 的, 流水, ，,&nb
        
		

        		
网友评论
     		
				

			
			
			
		
		
		
    	
    	
        	

        		
更多精彩分享
        		

        			
        		
        			
	        		
	        		学习是年轻人改变自己的最好方式