一种改进的双向最大匹配分词算法，池万泱，孟祥武，中文自然语言处理技术构成中，最重要，也是最基本的技术就是中文分词。本文在深入研究相关文献后，提出一种改进的双向最大匹配分

一种基于N-gram模型和机器学习的汉语分词算法，不错的分词算法。

最新逆向最大匹配分词算法 盘古分词 分词算法 中文分词 源码

分词算法 有ansi c 和java版本 从文本中分离出词语（英文） 从官网可以找到多语言实现： http://tartarus.org/~martin/PorterStemmer/

简要探讨了BP神经网络的学习过程与主要参数，分析了基于BP神经网络的中文分词算法，并在用 joone-editor建立的神经网络模型中加以实验。

最近在研究中文分词，非常好用的论文，很详细，透彻。免费供给大家。

宗成庆书里面准确率最高的分词算法，代码有点错误，[c t]分母上的统计量应该是统计前几个字出现的字数而不是自身的个数，修改就可以进行分词，细节看里面的标注，参照给出的语料可以使用

本词库不含电子游戏领域，使用该词库，经过分词算法处理后，输出以下内容： 苹果公司/n （/x apple/x ）/x 发布/v 了一/n 系列/q 新的/n macbook/x /x pro/x 产品/n ，/x 由/p 基于/p arm架构/n 、/x 5nm/x 制程/n 工艺/n 的/uj 自/p 研/vn silicon/x /x m1/x /x pro/x /x 和/c /x m1/x /x max/x 两种/m 不同/a 的/uj 新/a 桌面处理器/n （/x soc/x ）/x 提供/v 芯片/n 支持/v ，/x 全面/n 取代/v 英特尔/ns 酷睿/n 系列/q ，/x 是/v 苹果/n 迄今/d 打造/v 的/uj 最强/a 芯片/n 。/x 9/x 个/q 小时/n 后/nr 的/uj 2021/x 云栖/n 大/a 会上/t ，/x 阿里巴巴/nrt 旗下/n 半导体/n 公司/n “/x 阿里/nrt 平头/n 哥/n ”/x 发布/v 基于/p arm架构/n 的/uj 自/p 研/vn 通用/v 服务器/n （/x cpu/x ）/x 芯片/n 倚天/v 710/x ，/x 采用/v 5nm/x 工艺/n ，/x 容纳/nr 高达/nr 600/x 亿晶/n 体管/n ，/x 性能/n 超过/v 业界/n 标杆/n 20/x %/x ，/x 能效/n 比/p 提升/v 50/x %/x 以上/f ，/x 声称/n 是/v 业界/n 性能/n 最强/a 的/uj arm/x 服务器/n 芯片/n ，/x 同时/c 也是/n 阿里/nrt 第一颗/m 为/zg 云/zg 而/c 生的/n cpu/x 芯片/n 。/x

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

基于ＳｈｏｏｔＳｅｇ开源分词方法、依据词频对文章分类的程序，封装了shootseg.dll和分类match.dll，提供源码，需要的朋友可以借鉴一下！