java中文分词之正向最大匹配法实例代码

时间:2021-11-18 11:10:44

前言

基于词典的正向最大匹配算法(最长词优先匹配),算法会根据词典文件自动调整最大长度,分词的好坏完全取决于词典。

所谓词典正向最大匹配就是将一段字符串进行分隔,其中分隔 的长度有限制,然后将分隔的子字符串与字典中的词进行匹配,如果匹配成功则进行下一轮匹配,直到所有字符串处理完毕,否则将子字符串从末尾去除一个字,再进行匹配,如此反复。

算法流程图如下:

java中文分词之正向最大匹配法实例代码

下面给大家主要讲一下中文分词里面算法的简单实现,废话不多说了,现在先上代码

示例代码

java" id="highlighter_468380">
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
package com;
 
 
import java.util.arraylist;
import java.util.list;
 
 
public class segmentation1 {
 private list<string> dictionary = new arraylist<string>();
 private string request = "北京大学生前来应聘";
 
 public void setdictionary() {
 dictionary.add("北京");
 dictionary.add("北京大学");
 dictionary.add("大学");
 dictionary.add("大学生");
 dictionary.add("生前");
 dictionary.add("前来");
 dictionary.add("应聘");
 }
 
 public string leftmax() {
 string response = "";
 string s = "";
 for(int i=0; i<request.length(); i++) {
  s += request.charat(i);
  if(isin(s, dictionary) && aheadcount(s, dictionary)==1) {
  response += (s + "/");
  s = "";
  } else if(aheadcount(s, dictionary) > 0) {
   
  } else {
  response += (s + "/");
  s = "";
  }
 }
 return response;
 }
 
 private boolean isin(string s, list<string> list) {
 for(int i=0; i<list.size(); i++) {
  if(s.equals(list.get(i))) return true;
 }
 return false;
 }
 
 private int aheadcount(string s, list<string> list) {
 int count = 0;
 for(int i=0; i<list.size(); i++) {
  if((s.length()<=list.get(i).length()) && (s.equals(list.get(i).substring(0, s.length())))) count ++;
 }
 return count;
 }
 
 public static void main(string[] args) {
 segmentation1 seg = new segmentation1();
 seg.setdictionary();
 string response1 = seg.leftmax();
 system.out.println(response1);
 }
}

可以看到运行结果是:北京大学/生前/来/应聘/

算法的核心就是从前往后搜索,然后找到最长的字典分词。

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对服务器之家的支持。

原文链接:http://blog.csdn.net/xiaoyeyopulei/article/details/25194021