ICTCLAS2009版中文分词系统

readme 一、ICTCLAS简介 　　中文词法分析是中文信息处理的基础与关键。中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。我们先后精心打造五年，内核升级6次，目前已经升级到了ICTCLAS3.0。ICTCLAS3.0分词速度单机996KB/s，分词精度98.45%，API不超过200KB，各种词典数据压缩后不到3M，是当前世界上最好的汉语词法分析器。 二、ICTCLAS特色 1、国内和国际权威的公开评测、三万客户的认可 　　有些公司为了商业目的，关门自测，自称准确度99.50%，没有介绍测试环境和测试方法，封闭测试或者小规模的开放测试准确度100%都不足为奇的，ICTCLAS1.0在国内973专家组组织的评测中活动获得了第一名，ICTCLAS2.0在第一届国际中文处理研究机构SigHan组织的评测中都获得了多项第一名，具体的参见系统评测部分。这些都是权威机构进行大规模现场开放测试的结果，真实可信。 　　 目前，ICTCLAS已经向国内外的企业和学术机构颁发了30,000多份授权，其中包括3721、NEC、中华商务网、硅谷动力、云南日报等企业，新疆大学、清华大学、华南理工、麻省大学；同时，ICTCLAS广泛地被《科学时报》、《人民日报》海外版、《科技日报》等多家媒体报道。您可以访问Google进一步了解ICTCLAS的应用情况。 2、综合性能最优 　　分词系统能否达到实用性要求主要取决于两个因素：分词精度与分析速度，这两者相互制约，难以平衡。大多数系统往往陷入“快而不准，准而不快”的窘境。我们研制出了完美PDAT大规模知识库管理技术（200510130690.3），在高速度与高精度之间取得了重大突破，该技术可以管理百万级别的词典知识库，单机每秒可以查询100万词条，而内存消耗不到知识库大小的1.5倍。基于该技术，ICTCLAS3.0分词速度单机996KB/s，分词精度98.45%，API不超过200KB，各种词典数据压缩后不到3M，是当前世界上最好的汉语词法分析器。 3、统一的语言计算理论框架 　　汉语分词牵涉到汉语分词、未定义词识别、词性标注以及语言特例等多个因素，大多数系统缺乏统一的处理方法，往往采用松散耦合的模块组合方式，最终模型并不能准确有效地表达千差万别的语言现象，而ICTCLAS采用了层叠隐马尔可夫模型（Hierarchical Hidden Markov Model），将汉语词法分析的所有环节都统一到了一个完整的理论框架中，获得最好的总体效果，相关理论研究发表在顶级国际会议和杂志上，从理论上和实践上都证实了该模型的先进性。 4、全方位支持各种环境下的应用开发 　　ICTCLAS全部采用C/C++编写，支持Linux、FreeBSD及Windows系列操作系统，支持C/C++/C#/Delphi/Java等主流的开发语言。 5、应需而变，量身定做 　　所有功能模块均可拆卸组装,ICTCLAS有GB2312和BIG5版本，可分别处理目简繁体中文；支持当前广泛承认的分词和词类标准，包括计算所词类标注集ICTPOS3.0，北大标准、滨州大学标准、国家语委标准、台湾“中研院”、香港“城市大学”；用户可以直接自定义输出的词类标准，定义输出格式；用户可以根据自己的需求，进行量身自助式定做适合自己的分词系统。 三、使用方法 ICTCLAS以组件形式提供给使用者，调用方法请参照对应的Demo程序。如有定制需求，另行商议。 目前本官网提供的api版本如下： linux_c_32 linux_c_64 linux_JNI_32 linux_JNI_64 windows_c_32 windows_c_64 windows_csharp_32 windows_csharp_64 windows_JNI_32 windows_JNI_64 相应的Demo程序: Linux_CDemo_32Bit_sample Linux_CDemo_64Bit_sample Linux_JNIDemo_32Bit_sample Linux_JNIDemo_64Bit_sample windows_cDemo_32_sample windows_cDemo_64_sample win_csharp_32_sample win_csharp_64_sample Win_JNI_32_sample Win_JNI_64_sample 四、Demo程序演示 1、Linux_CDemo_32Bit_sample #rm test -f #make #./test 2、Linux_CDemo_32Bit_sample #rm test -f #make #./test 3、Linux_JNIDemo_32Bit_sample #javac TestICTCLAS30.java #java TestICTCLAS30 4、Linux_JNIDemo_64Bit_sample #javac TestICTCLAS30.java #java TestICTCLAS30 5、windows_cDemo_32_sample 用vs2005打开工程——>编译——>执行 6、windows_cDemo_64_sample 用vs2005打开工程——>选择x64编译——>执行 7、win_csharp_32_sample 用vs2005打开工程——>选择debug编译——>执行 8、win_csharp_64_sample 用vs2005打开工程——>选择debug/x64编译——>执行 9、Win_JNI_32_sample #javac TestICTCLAS30.java #java TestICTCLAS30 10、Win_JNI_64_sample #javac TestICTCLAS30.java #java TestICTCLAS30 五、联系方式 杨 剑 中科计算技术转移中心 网络智能事业部 地址：北京市海淀区科学院南路10号中科院计算所攻关楼4层 邮编：100190 电话：+86-10-62600480/1/2 分机807 传真：+86-10-62600480 手机：+86-13910154064 邮箱:ictclas@ictclas.org MSN: yjgreabc@hotmail.com; 网址:http://ictclas.org Steven Yang Web Intelligence Division Technology Transferring Center of Institute of Computing Technology (TTC-ICT) Address: 4th Floor, Gongguan Building,Institute of Computing Technology, NO. 10, South Road, Kexueyuan, Haidian District Beijing, P.R.China P.O.Box 2704 Zip Code 100190 Tel: +86-10-62600480/1/2 ext. 807 Fax: +86-10-62600480 Mobile:+86-13910154064 E-mail:ictclas@ictclas.org MSN:yjgreabc@hotmail.com Homepage:http://ictclas.org