葛瑞斯肯樂活筆記

MMSeg是由Chih-Hao Tsai所開發，裡面包含了兩種類型的長詞優先斷詞演算法(Maximum Matching Algorithm)。其官網如下:

http://technology.chtsai.org/mmseg/

 

MMSeg也有發佈在 Google project中，可從其下載 jar 檔:

https://code.google.com/archive/p/mmseg4j/downloads

 

解壓縮後，之後import mmseg4j-core-1.9.1.jar的檔案

 

接著使用 Complex 方法來進行斷詞，並且使用預設的詞庫:

Sample Code:

String txt = "我想看電影";
//辭典目錄
File file = new File("./MMSeg4j");
//初始化辭典
Dictionary dic = Dictionary.getInstance(file);
Seg seg = null;
		
//MMSeg有兩個模式，一個是 Simple，另一個則是 Complex
//		seg = new SimpleSeg(dic); 
seg = new ComplexSeg(dic); 
		
MMSeg mmSeg = new MMSeg(new StringReader(txt), seg); 
Word word = null;
while((word = mmSeg.next())!=null) {
	if(word != null) { 
		System.out.print(word + "|"); 
	} 
}

 

上述的程式碼，辭典目錄裡面是空的，所以結果為:

 

接下來，我們來新增詞彙”電影”這個詞。

我們在 project中新增 MMSeg4j資料夾，並且新增一個 words.dic檔案在此資料夾底下，每一行就是一個詞彙，我們只建立一個”電影”的詞彙，如下 :

 

接著重新執行此斷詞系統，會得到下列結果:

 

我們發現”電影”就會斷在一起了。