-
Notifications
You must be signed in to change notification settings - Fork 0
solrcn/ictclas4j
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 4.0">
<meta name="ProgId" content="FrontPage.Editor.Document">
<title>1</title>
</head>
<body bgcolor="#99CCFF">
<table border="1" width="100%">
<tr>
<td width="100%"><b><font size="6" color="#0000FF">ICTCLAS4J中文分词系统使用说明</font></b></td>
</tr>
<tr>
<td width="100%">
<p style="line-height: 200%"><font size="4">1.ictclas4j是在中科院开源分词系统<a href="http://www.i3s.ac.cn">FreeICTCLAS</a>的基础上重新实现和改进而来<br>
2.任何人不得将此用于商业用途，仅限个人学习研究之用<br>
3.该分词程序的最终解释权张新波（sinboy）和中科院张华平所有<br>
4.对使用中遇到的问题，请到<a href="http://groups.google.com/group/ictclas">ictclas论坛组</a>内交流<br>
5.也可直接Email给我：[email protected]</font></td>
</tr>
</table>
<p></p>
<table border="1" width="100%">
<tr>
<td width="100%"><b><font size="6" color="#0000FF">ICTCLAS4J大事记 </font></b>2007-06-04</td>
</tr>
<tr>
<td width="100%">
<div>
<p style="line-height: 200%"> FreeICTCLAS中文分词系统从2006年3月就开始接触<WBR>
，之后通过研读相关论文和源代码，写了一系列的学习笔记<WBR>
，给很多同样的中文分词爱好者提供了一个可参考的文档资料<WBR>
。但因为工作及其它原因（嘿嘿，说白就了就是比较偷懒<WBR>
，没有坚持下去），把该项目做成一个java版的原始想法一度中断<WBR>
。之后，也曾多次尝试重新拾起，完成我的一个心愿<WBR>
，但复杂的工作都让我半途而费。
</div>
<div>
<p style="line-height: 200%"> 4月份的时候，一个爱好才MSN上问我相关问题<WBR>
，又激起了我的原始想法，同时看到吕震宇老师只用了半个月的时间就<WBR>
完成了C＃版本的工作，并且写了完成的系列文章，又大大刺激我的神<WBR>
经。想想我的系列文章只到半道，ictclas4j的程序也是半拉<WBR>
子工程，真是惭愧之极。于是下定决定，一定要把这个项目完成<WBR>
，给自己也给关心ictclas的朋友一个交待。
</div>
<div>
<p style="line-height: 200%">
经过三个星期的不懈努力，到现在为止，基本上完整的实现了原Fre<WBR>
eICTCLAS所实现的功能。原VC＋＋实现的程序比我想象的更<WBR>
复杂，中间涉及大量的临时性的数据结构和大量的全局变量<WBR>
，搞的我非常头大，好几次都有放弃的想法。不过谢天谢地<WBR>
，我这次终于坚持下来了。从java程序的角度从出<WBR>
，我对原来的数据结构做了大量调整和优化，去掉了很多不必要的中间<WBR>
变量。经过优化后，在整个分词过后中只用到两个对象：Atom<WBR>
、SegNode，原子和分词结点，整个分词过程就是对SegNo<WBR>
de的不断调整和改进，最终得到分词结果。
</div>
<div>
<p style="line-height: 200%">
因为到现在为止，我只是做了一些简单的测试，可能还有很多的BUG<WBR>
在里面（对标点符号的处理就是一问题），并且分词的速度还远远达不<WBR>
到我的要求，程序还有很多改进的地方，所以暂时源代码还不会放上来<WBR>
，但我想最迟一个星期之内，我可以上传到论坛供大家测试。同时<WBR>
，我已在Google Code上申请了ictclas4j的开源项目，期望有兴趣的朋友<WBR>
加入进来共同改进。
</div>
<div>
<p style="line-height: 200%">
附近中的文件是ictclas4j程序在分词过程输出的完整分词步<WBR>
骤记录，对大家直观理解该分词原是应该是一个有益的帮助<WBR>
。这个想法也得益于吕震宇的SharpICTCLAS<WBR>
，在此表示感谢！同时感谢DanceFire的几篇精辟入理的分析<WBR>
文章，给了我很大的帮助。
</div>
<p> </td>
</tr>
</table>
</body>
</html>
About
No description, website, or topics provided.
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published