不知道用ictclas4j的人多不多，该项目地址是http://code.google.com/p/ictclas4j/ 关于ictclas分词系统讨论组地址是http://groups.google.com/group/ictclas 其中在ictclas4j项目的issues中有人提到一个问题“程序分词最后结果会吃掉一些字”，问题地址为http://code ...

  paoding和IK分词效果差不多，IK分词多些但速度差些。 原文：  http://www.zgkw.cn/FORUMS/blogs/dyx/archive/2008/02/18/59776.aspx

我现在用的是je-analysis-1.5.2.jar的分词，当我建立索引大约有几百条的时候，就出现一下异常，看看，是什么原因？谢谢了 java.lang.ArrayIndexOutOfBoundsException: 1056  at jeasy.analysis.lIIllIlIlIIIllll._$3(Unknown Source:264)  at jeasy.an ...

public class AnalyzerTest extends TestCase { protected PaodingAnalyzer analyzer = new PaodingAnalyzer(); protected StringBuilder sb = new StringBuilder(); protected ...

开始使用 庖丁中文分词需要一套词典，这些词典需要统一存储在某个目录下，这个目录称为词典安装目录。词典安装目录可以是文件系统的任何目录，它不依赖于应用程序的运行目录。将词典拷贝到词典安装目录的过程称为安装词典。增加、删除、修改词典目录下的词典的过程称为自定制词典。 在linux下，我们可以考虑将词典安装在一个专门存储数据的分区下某目录，以笔者为例，笔者将/data作为系统的一个独立分区，笔者便是 ...

Paoding 2.0.2记录 paoding 现在在svn上的代码能够支持 自动动态装载词典，并检测词典是否发生了更新、删除。 也支持关闭自动监测(paoding.stopAutoDetecting)，而提供一个方法paoding.forceDetecting手动执行一次检测。 现在这个版本为2.0.2，但是现在不打算打成jar包和zip包。 待之后2.0.3支持简繁体、提供GBK->UTF ...

庖丁解牛 中文分词 版本号 2.0.1 --------------------------------------------------- 相对2.0.0版本变更如下： 重构(!)： svn上的代码和字典从原来的GBK编码转化为UTF-8编码(使用Eclipse下载代码的同学需要改变工程的encoding) ->从统计上，更多人使用UTF-8而非GBK，故改之；望谅。 重构(!)： 重构 ...

庖丁解牛 最新版本2.0.0 主要变更： 1)调整了package命名 改为net.paoding.analysis开头；调整了一些类的命名，主要是XAnalyzer改为 PaodingAnalyzer之类的。 2)并调整了部分代码的相对位置：代码集中在三个包中： net.paoding.analysis.dictionary 字典抽象--这是核心代码之一 net.paoding ...