【ICTCLAS】 C++版學習筆記

ICTCLAS是中科院計算所研發的中文分詞軟件，這個軟件在第一屆國際中文處理研究機構SigHan組織的評測中都獲得了多項第一名，是公認的當今最好的中文分詞軟件。
綜合性能：ICTCLAS 2011分詞速500KB/s左右，分詞精度98.45%。

官網地址：http://ictclas.org/

軟件下載

下載地址：http://ictclas.org/ictclas_download.aspx

下載的時候需要填下姓名和郵箱，然后就可以下載，是免費的。我下載的是C++版的，當然也有Java版的，目前只支持這兩種語言。

下載解壓后有四個文件夾，分別是：

   API：

   Demo：

   Doc：使用文檔

   Smaple：給了一個使用的例子

軟件使用

1. 在你的函數里加入對ICTCLAS50.lib的引用

#ifndef OS_LINUX
#include <Windows.h>
#pragma comment(lib, "ICTCLAS50.lib") //ICTCLAS50.lib庫加入到工程中
#endif

 

2. 初始化ICTCLAS環境

if(!ICTCLAS_Init()) //初始化分詞組件。
{
    printf("Init fails\n");  
    return ;
}
else
{
    printf("Init ok\n");
}

 

3. 加入用戶詞典

方法一：用字符串加入

const char* pszDictBuffer="舟曲縣城@@nr;最新動態@@nr"; //字符串形式導入用戶詞典
unsigned int nItems=ICTCLAS_ImportUserDict (pszDictBuffer, strlen(pszDictBuffer),CODE_TYPE_UNKNOWN);

方法二：用文本加入

unsigned int nItems=ICTCLAS_ImportUserDictFile("userdict.txt",CODE_TYPE_UNKNOWN);

保存用戶詞典

ICTCLAS_SaveTheUsrDic(); //保存添加的用戶詞匯,下次使用依然有效

 

4. 分詞函數

nRstLen=ICTCLAS_ParagraphProcess(
          sSentence,               //需要進行分詞的字符串
          nPaLen,                  //進行分詞的字符串長度
          sRst1,                   //用戶自行分配空間，用於保存結果，在例子中用的是nPanlen的六倍長度
          CODE_TYPE_UNKNOWN,   　　//編碼類型
          1                       // 0- 結果沒有tag, 1- 有POS的tag
);