Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/nlpchina/ansj_seg

ansj分词.ict的真正java实现.分词效果速度都超过开源版的ict. 中文分词,人名识别,词性标注,用户自定义词典
https://github.com/nlpchina/ansj_seg

ansj chinese java nlp

Last synced: about 18 hours ago
JSON representation

ansj分词.ict的真正java实现.分词效果速度都超过开源版的ict. 中文分词,人名识别,词性标注,用户自定义词典

Host: GitHub
URL: https://github.com/nlpchina/ansj_seg
Owner: NLPchina
License: apache-2.0
Created: 2012-09-05T05:56:24.000Z (over 12 years ago)
Default Branch: master
Last Pushed: 2023-11-19T06:15:23.000Z (about 1 year ago)
Last Synced: 2025-01-21T10:04:42.956Z (about 18 hours ago)
Topics: ansj, chinese, java, nlp
Language: Java
Size: 336 MB
Stars: 6,496
Watchers: 657
Forks: 2,321
Open Issues: 53
Metadata Files:
- Readme: README.md
- License: LICENSE.txt

Awesome Lists containing this project

README

        Ansj中文分词

==================

 [![1.X Build Status](https://travis-ci.org/NLPchina/ansj_seg.svg?branch=master)](https://travis-ci.org/NLPchina/ansj_seg) [![Gitter](https://badges.gitter.im/NLPchina/ansj_seg.svg)](https://gitter.im/NLPchina/ansj_seg?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge)

#####  使用帮助

* 开发文档：[3.x版本及之前](http://nlpchina.github.io/ansj_seg/)，[5.x版本及之后](https://github.com/NLPchina/ansj_seg/wiki)

##### 摘要

> 这是一个基于n-Gram+CRF+HMM的中文分词的java实现。

> 分词速度达到每秒钟大约200万字左右（mac air下测试），准确率能达到96%以上。

> 目前实现了中文分词、中文姓名识别、用户自定义词典、关键字提取、自动摘要、关键字标记等功能。

> 可以应用到自然语言处理等方面，适用于对分词效果要求高的各种项目。

#####  maven

````

        

        

            org.ansj

            ansj_seg

            5.1.1

        

    

````

#####  调用demo

如果你第一次下载只想测试测试效果可以调用这个简易接口



 String str = "欢迎使用ansj_seg,(ansj中文分词)在这里如果你遇到什么问题都可以联系我.我一定尽我所能.帮助大家.ansj_seg更快,更准,更自由!" ;

 System.out.println(ToAnalysis.parse(str));

 

 欢迎/v,使用/v,ansj/en,_,seg/en,,,(,ansj/en,中文/nz,分词/n,),在/p,这里/r,如果/c,你/r,遇到/v,什么/r,问题/n,都/d,可以/v,联系/v,我/r,./m,我/r,一定/d,尽我所能/l,./m,帮助/v,大家/r,./m,ansj/en,_,seg/en,更快/d,,,更/d,准/a,,,更/d,自由/a,!



#####  Join Us

想了很久，不管有没有人帮忙吧。我写上来，如果你有兴趣，有热情可以联系我。

* 补充文档，增加调用实例和说明

* 增加一些规则性Recognition，举例[身份证号码识别](https://github.com/NLPchina/ansj_seg/blob/master/src/main/java/org/ansj/recognition/impl/IDCardRecognition.java)，目前未完成的有 `时间识别`，`IP地址识别`，`邮箱识别`，`网址识别`，`词性识别`等...

* 提供更加优化的CRF模型。替换ansj的默认模型。

* 补充测试用例，n多地方测试不完全。如果你有兴趣可以帮忙啦！

* 重构人名识别模型。增加机构名识别等模型。

* 增加句法文法分析

* 实现lstm的分词方式

* 拾遗补漏...