盘古分词

中文分词作用中文未登录词鉴别

盘古分词能够对一些没有字典中的未登录词自动检索

高频词优先选择

盘古分词能够依据高频词来处理分词的分歧难题

多元化分词

盘古分词给予多种输出处理分词粒度分布和分词精密度衡量的难题

中文姓名鉴别

键入： “张三说确实确实理”

分词結果：张三/说/的/的确/在理/

键入 “李三购买了一张三角餐桌”

分词結果：李三/买/了/一张/三角/餐桌/

强制性一元分词

键入 “张三说确实确实理”

分词結果： 张(0,1)/张三(0,5)/三说的(1,1)/三(1,1)/说(2,5)/的(3,5)/确(4,1)/的确(4,5)/实(5,1)/在(6,1)/在理(6,5)/理(7,1)/

繁体字中文分词

键入我的選擇

分词結果： 我/的/選擇/

与此同时输出简体字和繁体

键入我的選擇

分词結果：我(0,5)/的(1,5)/挑选 (2,1)/選擇(2,5)/

中文词性输出

盘古分词能够将以登陆词的中文词性输出给客户，以便于客户做进一步解决。

全角字符适用

盘古分词能够鉴别全角的英文字母和数据

英语分词英语分词

英语单词一般全是靠空格符等标记切分，这一非常简单，盘古分词分英文当然都没有什么问题。

英语专用名词鉴别

一些英文简写是字母符号混和，或是是数字数据混和，这一分词起來就无法依照空格符号那样切分了，针对字母符号混和的如 U.S.A ，

只需将这个词入录到字典中，盘古分词就可以分离出来整词。针对英文字母和数据混和的，盘古分词会全自动做为整词输出。

英语原词输出

英文大小写与此同时输出

别的作用停用词过虑

针对一些标点，连词，语气助词等有时需要在分词时过虑掉，盘古分词给予一个 StopWord.txt 文档，客户需要将须要过虑的词添加到这一文档中，

并将停用词过虑开发设计开启，就可以过虑掉这种词。

设定分词权值

盘古分词能够让客户对如下所示特点设定自定权值

1.未登录词权值

2.最配对词权值

3.次配对词权值

4.再度配对词权值

5.强制输出的一个字的权值

6.数据的权值

7.英语语汇权值

8.标记的权值

9.强制性与此同时输出繁简中国汉字时，非原先文字的中国汉字输出权值。

*客户自定标准

字典管理方法

盘古分词给予一个字典可视化工具 DictManage 根据这一专用工具，你能提升，改动，和删掉字典中的英语单词

动态性载入字典

根据字典专用工具提升，改动，和删掉字典中的文字后，维持字典，盘古分词会自行将新的字典文档载入进来，而不用重启。

关键字高亮度部件

Lucene 给予了一个关键字高亮度部件，但这一部件对中文的帮助并不是特别好，尤其是假如也有多元化分词的状况，解决的就更不太好。

盘古分词给予了一个对于中文和英文的关键字高亮度部件 PanGu.HighLight ，其对中文的适用好些于Lucene 那一个高亮度部件。

近义词输出(事后版本号给予)

插口及实例

在PanGu4Lucene 这一包里边有我做的一个盘古 Lucene 的简易新闻搜索Web实例程序流程，Release 包里边有使用说明书。

性能参数

Core Duo 1.8 GHz 下单核 分词速率为 390K 标识符每秒钟，2进程分词速率为 690K 标识符每秒钟。