使用ICTCLAS JAVA版（ictclas4j）進行中文分詞（附ictclas,停用詞表,commons-lang-2.4.jar下載地址）...

一、ICTCLAS的介紹

中國科學院計算技術研究所在多年研究基礎上，耗時一年研製出了基於多層隱碼模型的漢語詞法分析系統 ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，該系統的功能有：中文分詞；詞性標註；未登入詞識別。分詞正確率高達97.58%(最近的973專家組評測結果)，基於角色標註的未登入詞識別能取得高於90%召回率，其中中國人名的識別召回率接近98%，分詞和詞性標註處理速度為31.5KB/s。ICTCLAS 和計算所其他14項免費釋出的成果被中外媒體廣泛地報導，國內很多免費的中文分詞模組都或多或少的參考過ICTCLAS的程式碼。

二、開始使用ICTCLAS進行分詞

1.下載ictclasj

首先到ictclas的網站下載JAVA版本的ictclas——ictclasj。

下載地址 ：http://ictclas.org/Down_OpenSrc.asp

2.在Eclipse中 新建專案並進行 配置

首先把 ictclasj解壓縮，然後把 Data資料夾整個拷貝到 Eclipse專案的資料夾下, 而 bin目錄下的 org資料夾整個拷貝到你 Eclipse專案的 bin目錄下，把src目錄下的org資料夾整個拷貝到 Eclipse專案 的src目錄下。

3.測試分詞結果

import org.ictclas4j.bean.SegResult;
import org.ictclas4j.segment.SegTag;

public class TextSegmentation {

public static void main(String[] args) {
   String fileContent = "中國科學院計算技術研究所在多年研究基礎上，" +
     "耗時一年研製出了ICTCLAS漢語詞法分析系統";
   SegTag segTag = new SegTag(1);// 分詞路徑的數目  
   SegResult segResult = segTag.split(fileContent.trim());
   String classifyContent = segResult.getFinalResult();
   System.out.println("分詞結果\n"+classifyContent);

}

}

就是這樣，我們可以得到輸出的結果，並且帶有詞性的標註。

分詞結果：
中國科學院/n 計算/n 技術/n 研究所/n 在/c 多年/m 研究/n 基礎/a 上/f ，/w 耗時/v 一/d 年/a 研製/v 出/q 了/u ICTCLAS/nx 漢語/n 詞法/n 分析/v 系統/a

三、關於可能出現的錯誤

    1.越界錯誤

在Dictionary.java裡面的getMaxMatch()函式裡要注意加上對wis的判斷語句

if(wis != null)

否則有時會報出越界錯誤

2. “org.apache”

這個新建的測試類可能會提示錯誤："The import org.apache cannot be resolved"，這是由於系統需要一個Apache的commons的jar包。