Open GoogleCodeExporter opened 9 years ago
原文本：“两门衣柜” 期望结果：“两门 衣柜” 实际结果：“两 门 衣柜” 版本：2012u6 我在测试时发现，在中文量词分词器中，“两”首先被processC Number方法处理，但因为无法判断后来字符是否会结合成更大�� �数，所以只记录了位置；接下来“两”被processCount方法处理� ��在量词词典中成功匹配并计入AnalyzeContext的orgLexemes集合。字 符游标++，现在要处理的字符是“门”，processCNumber里匹配数� ��失败，准备根据上一次录的数词位置添加数词，但orgLexemes�� �合的行为是重复则忽略，所以“两”这个词就固定为了量词� �� 不知道这个处理方式是特意这么做的吗？如果是的话，目的�� �什么呢？如果不是的话，建议这个地方做一下判断。 另外，建议提供词典的动态加载（最好是提供接口自己实现�� �这样就可以应对数据库等数据源）。另外在歧义处理时，也� ��以提供接口来扩展。我现在做词频分词，就把逻辑添加到Lex emePath的compareTo方法中的，遇到类库升级就很麻烦。
Original issue reported on code.google.com by znf...@gmail.com on 15 Oct 2013 at 6:26
znf...@gmail.com
Original issue reported on code.google.com by
znf...@gmail.comon 15 Oct 2013 at 6:26