标签：term cin key int gets 使用 exe 自己 single
我们的项目中中文切词使用的是mmseg，有一个不满意的地方是jar包中的默认词典一定会被加载进去，当我对有些term有意见时，无法删除。
mmseg中Dictionary.java里一段代码保证了/data/words.dic的加载，我无法提供自己的进行替换。
//try load words.dic in jar
InputStream wordsDicIn = this.getClass().getResourceAsStream("/data/words.dic");
if(wordsDicIn != null) {
File wordsDic = new File(this.getClass().getResource("/data/words.dic").getFile());
loadWord(wordsDicIn, dic, wordsDic);
}
而IKAnalyzer就比较自由，既可以增加自己的词典，也能指定删除默认词典中的词。
String text = "给我讲一个黄色笑话";
Configuration cfg = DefaultConfig.getInstance();
Dictionary.initial(cfg);
//将"黄色笑话"从默认词典中删除
Dictionary.getSingleton().disableWords(Arrays.asList("黄色笑话"));
StringReader sr = new StringReader(text);
IKSegmenter ik = new IKSegmenter(sr, true);
Lexeme lex;
while ((lex = ik.next()) != null) {
System.out.print(lex.getLexemeText() + "|");
}
输出：给我讲一个|黄色|笑话
如何增加新词呢？
DefaultConfig类会默认加载根目录下的配置文件IKAnalyzer.cfg.xml
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!-- 用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict">ik.add.dic</entry>
<!-- 用户可以在这里配置自己的扩展停止词字典 -->
<!--entry key="ext_stopwords">/dicdata/ext_stopword.dic</entry-->
</properties>
其中ext_dict就是用于添加自定义的扩展词典。
标签：term cin key int gets 使用 exe 自己 single
原文地址：http://www.cnblogs.com/whuqin/p/6149662.html
