使用说明：
如何建立开发环境？
如果是使用Netbeans、IDEA，则直接打开项目 如果是使用Eclipse、MyEclipse，则要执行导入操作 推荐使用IDEA
评估采用的测试文本位于data目录下，253 3709行，共2837 4490个字符
test-test.txt为未分词的文件，一行一个句子或短语，格式如下：
迈向充满希望的新世纪 一九九八年新年讲话 附图片1张 中共中央总书记 国家主席江泽民 一九九七年十二月三十一日 12月31日 总书记 国家主席江泽民发表1998年新年讲话 新华社记者兰红光摄
standard-text.txt为人工分好词的文件，用于判断参与评估的分词器的分词结果是否正确，词和词之间以空格分隔，格式如下：
迈向 充满 希望 的 新 世纪 一九九八年 新年 讲话 附 图片 1 张 中共中央 总书记 国家 主席 江泽民 一九九七年 十二月 三十一日 12月 31日 总书记 国家 主席 江泽民 发表 1998年 新年 讲话 新华社 记者 兰红光 摄
注意：由于每个分词器的词典格式不一致，除了词典之外使用的其他模型的格式也不一致，所以我们评估对比时没有让所有分词器使用统一的词典和模型，测试的是各个分词器的默认行为
运行org.apdplat.evaluation.Evaluator类可获得评估结果
运行org.apdplat.evaluation.WordSegmenter类可对比不同分词器结果
windows:
./contrast.bat ./evaluation.bat
linux:
chmod +x contrast.sh & ./contrast.sh chmod +x evaluation.sh & ./evaluation.sh
最终评估结果文件位于report目录下：分词效果评估报告.txt
注意：stanford分词器是吃内存的怪兽，运行的时候需要增加虚拟机参数 -Xms3000m -Xmx3000m
评估报告：
1、word分词 全切分算法： 分词速度：51.79764 字符/毫秒 行数完美率：58.79% 行数错误率：41.2% 总的行数：2533709 完美行数：1489713 错误行数：1043996 字数完美率：49.53% 字数错误率：50.46% 总的字数：28374490 完美字数：14054431 错误字数：14320059 2、Ansj BaseAnalysis 基本分词： 分词速度：1235.2847 字符/毫秒 行数完美率：55.36% 行数错误率：44.63% 总的行数：2533709 完美行数：1402905 错误行数：1130804 字数完美率：48.18% 字数错误率：51.81% 总的字数：28374490 完美字数：13672441 错误字数：14702049 3、word分词 双向最大最小匹配算法： 分词速度：219.50127 字符/毫秒 行数完美率：55.31% 行数错误率：44.68% 总的行数：2533709 完美行数：1401582 错误行数：1132127 字数完美率：45.83% 字数错误率：54.16% 总的字数：28374490 完美字数：13005696 错误字数：15368794 4、smartcn： 分词速度：578.7523 字符/毫秒 行数完美率：55.29% 行数错误率：44.7% 总的行数：2533690 完美行数：1401069 错误行数：1132621 字数完美率：48.03% 字数错误率：51.96% 总的字数：28374433 完美字数：13628910 错误字数：14745523 5、Ansj ToAnalysis 精准分词： 分词速度：713.39294 字符/毫秒 行数完美率：54.72% 行数错误率：45.27% 总的行数：2533709 完美行数：1386683 错误行数：1147026 字数完美率：44.99% 字数错误率：55.0% 总的字数：28374490 完美字数：12768426 错误字数：15606064 6、Ansj NlpAnalysis NLP分词： 分词速度：195.31975 字符/毫秒 行数完美率：52.66% 行数错误率：47.33% 总的行数：2533709 完美行数：1334314 错误行数：1199395 字数完美率：42.66% 字数错误率：57.33% 总的字数：28374490 完美字数：12105808 错误字数：16268682 7、word分词 双向最大匹配算法： 分词速度：346.91458 字符/毫秒 行数完美率：52.01% 行数错误率：47.98% 总的行数：2533709 完美行数：1317801 错误行数：1215908 字数完美率：42.42% 字数错误率：57.57% 总的字数：28374490 完美字数：12038414 错误字数：16336076 8、FudanNLP： 分词速度：121.48538 字符/毫秒 行数完美率：51.48% 行数错误率：48.51% 总的行数：2533709 完美行数：1304371 错误行数：1229338 字数完美率：43.22% 字数错误率：56.77% 总的字数：28374490 完美字数：12265742 错误字数：16108748 9、Jieba SEARCH： 分词速度：867.4031 字符/毫秒 行数完美率：50.84% 行数错误率：49.15% 总的行数：2533709 完美行数：1288237 错误行数：1245472 字数完美率：41.54% 字数错误率：58.45% 总的字数：28374490 完美字数：11789036 错误字数：16585454 10、Jcseg 复杂模式： 分词速度：394.75354 字符/毫秒 行数完美率：47.96% 行数错误率：52.03% 总的行数：2533709 完美行数：1215171 错误行数：1318538 字数完美率：38.84% 字数错误率：61.15% 总的字数：28374490 完美字数：11021588 错误字数：17352902 11、word分词 双向最小匹配算法： 分词速度：464.64523 字符/毫秒 行数完美率：46.76% 行数错误率：53.23% 总的行数：2533709 完美行数：1185013 错误行数：1348696 字数完美率：36.52% 字数错误率：63.47% 总的字数：28374490 完美字数：10365168 错误字数：18009322 12、word分词 逆向最大匹配算法： 分词速度：718.2688 字符/毫秒 行数完美率：46.72% 行数错误率：53.27% 总的行数：2533709 完美行数：1183913 错误行数：1349796 字数完美率：36.67% 字数错误率：63.32% 总的字数：28374490 完美字数：10407342 错误字数：17967148 13、word分词 正向最大匹配算法： 分词速度：718.0325 字符/毫秒 行数完美率：46.66% 行数错误率：53.33% 总的行数：2533709 完美行数：1182351 错误行数：1351358 字数完美率：36.73% 字数错误率：63.26% 总的字数：28374490 完美字数：10422209 错误字数：17952281 14、Jcseg 简易模式： 分词速度：944.65125 字符/毫秒 行数完美率：44.59% 行数错误率：55.4% 总的行数：2533709 完美行数：1130000 错误行数：1403709 字数完美率：35.78% 字数错误率：64.21% 总的字数：28374490 完美字数：10155059 错误字数：18219431 15、word分词 逆向最小匹配算法： 分词速度：1283.449 字符/毫秒 行数完美率：41.78% 行数错误率：58.21% 总的行数：2533709 完美行数：1058606 错误行数：1475103 字数完美率：31.68% 字数错误率：68.31% 总的字数：28374490 完美字数：8989797 错误字数：19384693 16、Ansj IndexAnalysis 面向索引的分词： 分词速度：720.5671 字符/毫秒 行数完美率：40.66% 行数错误率：59.33% 总的行数：2533709 完美行数：1030336 错误行数：1503373 字数完美率：29.81% 字数错误率：70.18% 总的字数：28374490 完美字数：8459997 错误字数：19914493 17、MMSeg4j ComplexSeg： 分词速度：1645.2795 字符/毫秒 行数完美率：38.81% 行数错误率：61.18% 总的行数：2533688 完美行数：983517 错误行数：1550171 字数完美率：29.6% 字数错误率：70.39% 总的字数：28374428 完美字数：8400089 错误字数：19974339 18、MMSeg4j SimpleSeg： 分词速度：2163.3494 字符/毫秒 行数完美率：37.57% 行数错误率：62.42% 总的行数：2533688 完美行数：951909 错误行数：1581779 字数完美率：28.45% 字数错误率：71.54% 总的字数：28374428 完美字数：8074021 错误字数：20300407 19、IKAnalyzer 智能切分： 分词速度：322.74545 字符/毫秒 行数完美率：37.55% 行数错误率：62.44% 总的行数：2533686 完美行数：951638 错误行数：1582048 字数完美率：27.97% 字数错误率：72.02% 总的字数：28374416 完美字数：7938726 错误字数：20435690 20、word分词 正向最小匹配算法： 分词速度：1377.8706 字符/毫秒 行数完美率：36.85% 行数错误率：63.14% 总的行数：2533709 完美行数：933769 错误行数：1599940 字数完美率：26.85% 字数错误率：73.14% 总的字数：28374490 完美字数：7621334 错误字数：20753156 21、Jieba INDEX： 分词速度：788.70605 字符/毫秒 行数完美率：36.02% 行数错误率：63.97% 总的行数：2533709 完美行数：912771 错误行数：1620938 字数完美率：25.9% 字数错误率：74.09% 总的字数：28374490 完美字数：7351689 错误字数：21022801 22、MMSeg4j MaxWordSeg： 分词速度：1685.1461 字符/毫秒 行数完美率：34.27% 行数错误率：65.72% 总的行数：2533688 完美行数：868440 错误行数：1665248 字数完美率：25.2% 字数错误率：74.79% 总的字数：28374428 完美字数：7152898 错误字数：21221530 23、IKAnalyzer 细粒度切分： 分词速度：334.3131 字符/毫秒 行数完美率：18.87% 行数错误率：81.12% 总的行数：2533686 完美行数：478176 错误行数：2055510 字数完美率：10.93% 字数错误率：89.06% 总的字数：28374416 完美字数：3103178 错误字数：25271238 重点说明： 关于分词速度，这个不是绝对的，每次测试都会有些差距，而完美率是固定的，所以按行数完美类排名 上面的评估报告中没有包括Stanford分词器和Paoding分词器 当前代码已经移除了Paoding分词器，因为Paoding分词器已经7年没有维护了 当前代码升级Stanford分词器到3.5.2，速度慢的无法等待评估完成，仅用于交互式效果对比 下面是之前代码对 Paoding分词器2.0.4-beta 和 Stanford分词器 3.3.1 的评估数据 Stanford Beijing University segmentation： 分词速度：14.4612055 字符/毫秒 行数完美率：58.29% 行数错误率：41.7% 总的行数：2533709 完美行数：1477034 错误行数：1056675 字数完美率：51.36% 字数错误率：48.63% 总的字数：28374490 完美字数：14574120 错误字数：13800370 Stanford Chinese Treebank segmentation： 分词速度：13.723294 字符/毫秒 行数完美率：55.45% 行数错误率：44.54% 总的行数：2533709 完美行数：1404968 错误行数：1128741 字数完美率：47.27% 字数错误率：52.72% 总的字数：28374490 完美字数：13414926 错误字数：14959564 Paoding MAX_WORD_LENGTH_MODE： 分词速度：1343.1075 字符/毫秒 行数完美率：14.19% 行数错误率：85.8% 总的行数：2533158 完美行数：359637 错误行数：2173521 字数完美率：7.72% 字数错误率：92.27% 总的字数：28373102 完美字数：2191349 错误字数：26181753 Paoding MOST_WORDS_MODE： 分词速度：1338.9246 字符/毫秒 行数完美率：11.6% 行数错误率：88.39% 总的行数：2533158 完美行数：294011 错误行数：2239147 字数完美率：5.92% 字数错误率：94.07% 总的字数：28373102 完美字数：1680261 错误字数：26692841
效果对比：
以 我爱楚离陌 为例子： word分词器 的分词结果： 1 、【全切分算法】 我 爱 楚离陌 2 、【双向最大最小匹配算法】 我 爱 楚离陌 3 、【正向最大匹配算法】 我 爱 楚离陌 4 、【双向最大匹配算法】 我 爱 楚离陌 5 、【逆向最大匹配算法】 我 爱 楚离陌 6 、【正向最小匹配算法】 我 爱 楚离陌 7 、【双向最小匹配算法】 我 爱 楚离陌 8 、【逆向最小匹配算法】 我 爱 楚离陌 Stanford分词器 的分词结果： 1 、【Stanford Chinese Treebank segmentation】 我 爱 楚离陌 2 、【Stanford Beijing University segmentation】 我 爱 楚 离陌 Ansj分词器 的分词结果： 1 、【BaseAnalysis】 我 爱 楚 离 陌 2 、【IndexAnalysis】 我 爱 楚 离 陌 3 、【ToAnalysis】 我 爱 楚 离 陌 4 、【NlpAnalysis】 我 爱 楚离 陌 smartcn分词器 的分词结果： 1 、【smartcn】 我 爱 楚 离 陌 FudanNLP分词器 的分词结果： 1 、【FudanNLP】 我 爱楚离陌 Jieba分词器 的分词结果： 1 、【SEARCH】 我爱楚 离 陌 2 、【INDEX】 我爱楚 离 陌 Jcseg分词器 的分词结果： 1 、【简易模式】 我 爱 楚 离 陌 2 、【复杂模式】 我 爱 楚 离 陌 MMSeg4j分词器 的分词结果： 1 、【SimpleSeg】 我爱 楚 离 陌 2 、【ComplexSeg】 我爱 楚 离 陌 3 、【MaxWordSeg】 我爱 楚 离 陌 IKAnalyzer分词器 的分词结果： 1 、【智能切分】 我 爱 楚 离 陌 2 、【细粒度切分】 我 爱 楚 离 陌
