Lucene之分词

分词:

①  单字切分

把一段文字按照每个字去建立索引。

如切分“我爱中华”,就会切成“我”,“爱”,“中”,“华”。这种分词法效率低,但也能解决一些问题。

 

②  二分法

二分法就是把一段文字的每两个相邻的字算作一个词。

如果用来切分“我爱中华”,就会切成“我爱”,“爱中”,“中华”。这种分词效率低,但比单字切分好得多。

 

③  词典法

词典法就是建立一个词典文件,然后使用词典和文字段落进行匹配,从而得出分词结果,在这种分词当中,词典和匹配算法是关键。

做词典和维护词典都不难,统计。匹配算法不好办,有最大匹配和最小匹配,正向匹配和逆向匹配。

 

④  语义法

这个方法在理论上是存在的,但从实际上讲也只是个名词,看到任何一段文字,让计算机将其正确理解出来,这个想法不可能。

 

 

 

 

 

 

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。