中文分词是互联网应用不可缺少的基础技术之一,也是其他语音和语言产品必不可少的技术组件。
自2003年第一届国际中文分词评测以来,由字构词的分词方法获得了压倒性优势,国内主要通过CRF开源软件包来学习该分词方法,但是CRF过于复杂的代码结构,导致了该算法的普及率。
CRF中文分词开源版仅仅包含CRF软件包中分词解码器部分,简化了CRF复杂代码结构,清除了分词解码器不需要的代码,大大提高了分词解码器的可读性和可懂度。同时为了方便学习者可视化跟踪和调试代码,在Windows平台下分别建立了VC6.0和VS2008两个工程文件,使得VC6.0用户和VS2008用户都能轻玩转中文分词。
开源包中的分词知识库较小,分词精度较低,仅供学习Crf分词算法使用,可以通过如下途径获得更高精度的分词知识库和更高速度的分词引擎DLL或OCX: 1)致电 nlptech360@gmail.com 或者 langiner@gmail.com 2)在博客 http://langiner.blog.51cto.com 留言 3)在搜索引擎上搜索:极速分词