前言
基于词典的正向最大匹配算法（最长词优先匹配），算法会根据词典文件自动调整最大长度，分词的好坏完全取决于词典。
所谓词典正向最大匹配就是将一段字符串进行分隔，其中分隔 的长度有限制，然后将分隔的子字符串与字典中的词进行匹配，如果匹配成功则进行下一轮匹配，直到所有字符串处理完毕，否则将子字符串从末尾去除一个字，再进行匹配，如此反复。
算法流程图如下：
下面给大家主要讲一下中文分词里面算法的简单实现，废话不多说了，现在先上代码
示例代码
java" id="highlighter_468380">
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
|
package com;
import java.util.arraylist;
import java.util.list;
public class segmentation1 {
private list<string> dictionary = new arraylist<string>();
private string request = "北京大学生前来应聘";
public void setdictionary() {
dictionary.add("北京");
dictionary.add("北京大学");
dictionary.add("大学");
dictionary.add("大学生");
dictionary.add("生前");
dictionary.add("前来");
dictionary.add("应聘");
}
public string leftmax() {
string response = "";
string s = "";
for(int i=0; i<request.length(); i++) {
s += request.charat(i);
if(isin(s, dictionary) && aheadcount(s, dictionary)==1) {
response += (s + "/");
s = "";
} else if(aheadcount(s, dictionary) > 0) {
} else {
response += (s + "/");
s = "";
}
}
return response;
}
private boolean isin(string s, list<string> list) {
for(int i=0; i<list.size(); i++) {
if(s.equals(list.get(i))) return true;
}
return false;
}
private int aheadcount(string s, list<string> list) {
int count = 0;
for(int i=0; i<list.size(); i++) {
if((s.length()<=list.get(i).length()) && (s.equals(list.get(i).substring(0, s.length())))) count ++;
}
return count;
}
public static void main(string[] args) {
segmentation1 seg = new segmentation1();
seg.setdictionary();
string response1 = seg.leftmax();
system.out.println(response1);
}
}
|
可以看到运行结果是：北京大学/生前/来/应聘/
算法的核心就是从前往后搜索，然后找到最长的字典分词。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对服务器之家的支持。
原文链接：http://blog.csdn.net/xiaoyeyopulei/article/details/25194021