word分词是一个Java实现的中文分词组件，提供了多种基于词典的分词算法，并利用ngram模型来消除歧义。 能准确识别英文、数字，以及日期、时间等数量词，能识别人名、地名、组织机构名等未登录词。 同时提供了Lucene、Solr、ElasticSearch插件。 分词使用方法： 1、快速体验 运行项目根目录下的脚本demo-word.bat可以快速体验分词效果 用法: command [text] [input] [output] 命令command的可选值为：demo、text、file demo text 杨尚川是APDPlat应用级产品开发平台的作者 file d:/text.txt d:/word.txt exit 2、对文本进行分词 移除停用词：List words = WordSegmenter.seg("杨尚川是APDPlat应用级产品开发平台的作者"); 保留停用词：List words = WordSegmenter.segWithStopWords("杨尚川是APDPlat应用级产品开发平台的作者"); System.out.println(words); 输出： 移除停用词：[杨尚川, apdplat, 应用级, 产品, 开发平台, 作者] 保留停用词：[杨尚川, 是, apdplat, 应用级, 产品, 开发平台, 的, 作者] 3、对文件进行分词 String input = "d:/text.txt"; String output = "d:/word.txt"; 移除停用词：WordSegmenter.seg(new File(input), new File(output)); 保留停用词：WordSegmenter.segWithStopWords(new File(input), new File(output)); 4、自定义配置文件 默认配置文件为类路径下的word.conf，打包在word-x.x.jar中 自定义配置文件为类路径下的word.local.conf，需要用户自己提供 如果自定义配置和默认配置相同，自定义配置会覆盖默认配置 配置文件编码为UTF-8 5、自定义用户词库 自定义用户词库为一个或多个文件夹或文件，可以使用绝对路径或相对路径 用户词库由多个词典文件组成，文件编码为UTF-8 词典文件的格式为文本文件，一行代表一个词 可以通过系统属性或配置文件的方式来指定路径，多个路径之间用逗号分隔开 类路径下的词典文件，需要在相对路径前加入前缀classpath: 指定方式有三种： 指定方式一，编程指定（高优先级）： WordConfTools.set("dic.path", "classpath:dic.txt，d:/custom_dic"); DictionaryFactory.reload();//更改词典路径之后，重新加载词典 指定方式二，Java虚拟机启动参数（中优先级）： java -Ddic.path=classpath:dic.txt，d:/custom_dic 指定方式三，配置文件指定（低优先级）： 使用类路径下的文件word.local.conf来指定配置信息 dic.path=classpath:dic.txt，d:/custom_dic 如未指定，则默认使用类路径下的dic.txt词典文件 6、自定义停用词词库 使用方式和自定义用户词库类似，配置项为： stopwords.path=classpath:stopwords.txt，d:/custom_stopwords_dic 7、自动检测词库变化 可以自动检测自定义用户词库和自定义停用词词库的变化 包含类路径下的文件和文件夹、非类路径下的绝对路径和相对路径 如： classpath:dic.txt，classpath:custom_dic_dir, d:/dic_more.txt，d:/DIC_DIR，D:/DIC2_DIR，my_dic_dir，my_dic_file.txt classpath:stopwords.txt，classpath:custom_stopwords_dic_dir， d:/stopwords_more.txt，d:/STOPWORDS_DIR，d:/STOPWORDS2_DIR，stopwords_dir，remove.txt 8、显式指定分词算法 对文本进行分词时，可显式指定特定的分词算法，如： WordSegmenter.seg("APDPlat应用级产品开发平台", SegmentationA

新版盘古代码+分词词库+分词工具 Pan Gu Segment is a library that can segment Chinese and English words from sentence. 盘古分词是一个中英文分词组件。作者eaglet 曾经开发过KTDictSeg 中文分词组件，拥有大量用户。 作者基于之前分词组件的开发经验，结合最新的开发技术重新编写了盘古分词组件。

Readme 欢迎使用汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System) 中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。我们先后精心打造五年，内核升级6次，目前已经升级到了ICTCLAS3.0。 访问我们的网站www.i3s.ac.cn，您可以获取ICTCLAS3.0的最新版本，同时还可以下载更多的技术组件。 中科计算技术转移中心（ICT Technology Transferring Center）是属于中国科学院计算技术研究所所有的全资国有孵化器公司，主要使命是负责孵化中科院计算所的前沿技术与最新科研成果，通过市场化运作促进科研成果的产业化，进一步实现“产学研”的有机协调发展。中科计算技术转移中心信息智能与信息安全事业部（Division of Information Intelligence and Information Security，简称I3S）是中科院计算所信息智能与信息安全中心直接孵化的一个独立事业部，主要负责孵化该研究中心在Web信息智能处理、Web信息安全与Web搜索应用三个方向积累了10余年的核心技术与实用产品。

medicine.zip

mixed.zip

百度SEM分词工具终极版，里面包含精确分组表、模糊筛选表、分组后数据、最终展现等词根分组组合功能，能处理上万条关键词，将最终关键词数据导入百度推广计划中。

百度竞价推广关键词自动分词工具，wps可用，需启用宏

最近适用了这五款分词工具，光是下载安装就踩了很多坑，特别是pyltp和hanlp，装到我怀疑人生。 以下是整理的安装过程和注意事项。 希望能给大家提供些帮助。 目录一、Nlpir第一步：下载工具。第二步：下载后，解压，按如下顺序进入目录。第三步：打开工具，可以看到有精准采集、文档转换、批量分词等功能。具体使用方法可参考右下角“使用手册”。二、 Pyltp第一步：下载安装Pyltp。第二步：下载模型。第三步：使用基本组件。三、 Jieba第一步：pip安装，指令为第二步：基于python中jieba包的中文分词中详细使用。四、 Hanlp第一步：下载Hanlp 。第二步：在eclipse里导入项

分词工具，关键词自动分词，SEO关键词自动分词，采集关键词自动分词，划分根词，长尾词，问答词，百科词，均可以一键分词

中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。 对公司名文本解析，识别并提取地名、品牌名、行业词、公司名后缀词。