说明文档.txt

中文自动分类分词程序,已经打包成dll,里面有说明

说明：
1.Split.dll是我根据中科院自动分词系统修改后自己编译成的DLL文件，调用的方法可以参见Demo.java。
2.caller.jar是一个java包，里面只有SplitCaller这一个类，这个类的主要作用是DLL调用中的接口定义以及初始化。调用caller.jar时注意将此包放入classpath内。
3.Data目录下的文件是分词用的概率词表。
4.Demo.java是一个简单的演示程序，演示了如何调用自动分词功能。
5.关于Split.dll生成的源代码，因为版权原因，恕不提供源代码。自动分词程序的源代码请到http://www.nlp.org.cn上下载。

在Lucene中调用自动分词系统的办法。
建索引时：
1)先调用SplitCaller将要处理的内容进行分词处理。示例代码如下：(下面的代码是对RSS文档进行建索引操作）
---RSSDocument.java-------
import com.blogever.RssReader.SplitCaller;
...
... 
public static Document makeDocument(ItemIF item) {
    Document doc = new Document();
    //现在加了自动分词功能
    doc.add(Field.Text(TITLE, SplitCaller.splits("将标题进行分词")));
    doc.add(Field.Text(CONTENT,SplitCaller.splits("将内容进行分词")));
    
    //下面的内容没有分词
    doc.add(new Field("uid", uid(item), false, true, false));
   
    
    return doc;
  }
...

2)使用Analyzer时注意要使用 WhitespaceAnalyzer 分析器，因为自动分词程序已经将文档进行了分词，并用空格空开，此时只要按空格进行解析就行了。如：“将标题进行分词”已经分成“将 标题 进行 分词”。
-----ChannelIndexer.java------
   ...
   import org.apache.lucene.analysis.WhitespaceAnalyzer;
   ...
   //其他代码
   ...
   Analyzer analyzer = new WhitespaceAnalyzer();
   ...

   public void indexItems(boolean createNewIndex, Collection items) throws java.io.IOException 
   {
     ArrayList al = (ArrayList) items;
     Collections.sort(al, new ItemComparator());
     writer = new IndexWriter(indexDir, analyzer, createNewIndex);
     writer.maxFieldLength = 1000000;
     ...
     //其他代码
     ...
     writer.addDocument(RssDocument.makeDocument(item));
     ...
     writer.optimize();
     nrOfIndexedItems = writer.docCount();
     writer.close();
     logger.info("Finished writing index.");
   }
   ...

3)检索时，对检索词也采用上面同样的方法即可：
    ...
    Searcher searcher = new IndexSearcher("d:\\NewsSpider\\index");
    Analyzer analyzer = new WhitespaceAnalyzer();

      BufferedReader in = new BufferedReader(new InputStreamReader(System.in));
      while (true) {
        System.out.print("Query: ");
        String line = in.readLine();

        if (line.length() == -1)
          break;

        Query query = QueryParser.parse(SplitCaller.splits(line), "title", analyzer);
        System.out.println("Searching for: " + query.toString("title"));

        Hits hits = searcher.search(query);
        System.out.println(hits.length() + " total matching documents");
      ...