search

geraldsec / jcseg

Automatically exported from code.google.com/p/jcseg
0 stars 0 forks source link

为什么分词的时候，部分词语丢掉了（已解决） #10

Open GoogleCodeExporter opened 8 years ago

GoogleCodeExporter commented 8 years ago 
切换到jar目录后，直接运行测试：
java -jar jcseg-core-1.8.8.jar
结果如下：
1. 叔叔亲了我妈妈也亲了我
   分词语结果：叔叔 亲了 妈妈 亲了
2. 我和你是好朋友
   分词结果：好朋友

What version of the product are you using? On what operating system?
操作系统 Win8 64位 
java版本：1.7.0_15

Original issue reported on code.google.com by qindg...@gmail.com on 23 Jul 2013 at 3:32

GoogleCodeExporter commented 8 years ago 
哈，这个不是bug。

默认情况下jcseg的停止词过滤功能是开启的，这个在检索领域
很有作用。

如果你不需要这个功能，在jcseg.properties配置文件中配置jcseg.c
learstopword=0来关闭该功能。

感谢你的反馈。

Original comment by chenxin6...@gmail.com on 24 Jul 2013 at 10:56

GoogleCodeExporter commented 8 years ago 
哈哈 谢谢你的回复，已经了解了，这个分词确实不错。

Original comment by qindg...@gmail.com on 28 Jul 2013 at 2:38

GoogleCodeExporter commented 8 years ago 
另外提一个问题哈，针对多音字的情况
比如：单田芳，加载出来后，拼音为：dan tian fang

Original comment by qindg...@gmail.com on 28 Jul 2013 at 2:42

GoogleCodeExporter commented 8 years ago 
这个是姓名识别功能切分出来的组合词，词的拼音是根据词��
�处理的。并没有考虑多音字，毕竟jcseg主要重点在分词。

解决办法：

将这个词单独作为一个词条放入到CJK_WORDS主词库，然后加上��
�确的拼音即可。

Original comment by chenxin6...@gmail.com on 28 Jul 2013 at 4:01