IKanalyzer 簡單分詞

本文介紹如何使用IKanalyzer進行中文分詞

1.軟件準備

下載地址：https://code.google.com/p/ik-analyzer/downloads/list，此處採用IKanalyzer 2012 u6

2.解壓，可能用到文件包括一個配置文件，jar包和停用此表

3.使用說明

此處說明爲簡單分詞使用，iK支持lucene分詞接口，其用法參見下載文件中的使用手冊。

首先導入jar包，示例代碼如下：

public static void main(String[] args) {
		try {
			// TODO Auto-generated method stub
			String string = "長春市長春藥店";
			StringReader stringReader = new StringReader(string);
			IKSegmenter ikSegmenter = new IKSegmenter(stringReader, true);//最後一個參數控制是否消除歧義，true爲消除歧義
			Lexeme lexeme = new Lexeme(0, 0, 0, 0);
			while ((lexeme = ikSegmenter.next())!=null) {
				System.out.println(lexeme.getLexemeText());//還可提供起止位置，來自詞典等信息
			}
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}

4.導入自定義詞典

下載文件中包含配置文件和一個停用詞典，下面介紹如何使用自定義詞典。

將配置文件和詞典共同置於代碼根目錄下，和項目的class文件放在同一個目錄中，具體視項目的屬性而定（是否爲web項目），一般而言，java project的class文件在bin目錄中，web項目在web-inf/classes目錄中。

配置文件爲，修改參見注釋

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">  
<properties>  
	<comment>IK Analyzer 擴展配置</comment>
	<!--用戶可以在這裏配置自己的擴展字典 ，使用時注意刪除註釋符號，添加文件路徑即可
	<entry key="ext_dict">ext.dic;</entry> 
	-->
	<!--用戶可以在這裏配置自己的擴展停止詞字典，使用時在下一行直接加入停用文件的路徑-->
	<entry key="ext_stopwords">stopword.dic;</entry> 
	
</properties>

5.輸出

成功調用，合理分詞

6.總結

較ICTCLAS而言，IK缺乏詞性，但相當的輕量級。