1，快速體驗
在項目根目錄下運行腳本demo-word.bat可以快速體驗分詞的效果。
用法:命令[文本][輸入][輸出]
command命令的可選值有:演示、文本和文件。
演示
正文楊尚川是APDPlat應用級產品開發平臺的作者。
文件d:/text.txt d:/word.txt
出口
2.文本的分割
刪除停用詞:列表
保留停用字詞:列表
System.out.println(單詞)；
輸出:
去掉停用詞:【楊尚川，apdplat，應用級別，產品，開發平臺，作者】
停用詞:【楊尚川，apdplat作者，應用級，產品，開發平臺，】
3.文件的分詞
string input = " d:/text . txt "；
string output = " d:/word . txt "；
去掉停用詞:wordsegmenter.seg(新文件(輸入)，新文件(輸出))；
停用詞:wordsegmenter . segwithstopwwords(新文件(輸入)，新文件(輸出))；
4.自定義配置文件
默認的配置文件是類路徑下的word.conf，它打包在word-x.x.jar中
自定義配置文件是類路徑下的word.local.conf，需要用戶自己提供。
如果自定義配置和默認配置相同，自定義配置將覆蓋默認配置。
配置文件編碼為UTF-8。
5.自定義用戶同義詞庫
自定義用戶同義詞庫是壹個或多個文件夾或文件，可以使用絕對路徑或相對路徑。
用戶詞庫由幾個詞典文件組成，文件編碼為UTF-8。
字典文件的格式是文本文件，壹行代表壹個單詞。
路徑可以由系統屬性或配置文件指定，多個路徑用逗號分隔。
對於類路徑下的字典文件，應該在相對路徑前添加前綴classpath:
有三種方法可以指定:
指定方法1，編程指定(高優先級):
WordConfTools.set("dic.path "，" classpath:dic.txt，d:/custom _ DIC ")；
dictionary factory . reload()；//更改字典路徑後重新加載字典。
指定第二種方法，Java虛擬機啟動參數(中等優先級):
Java-ddic . path = class path:DIC . txt，d:/custom_dic
方法3:配置文件指定(低優先級):
使用類路徑下的word.local.conf文件指定配置信息。
dic.path=classpath:dic.txt，d:/custom_dic
如果未指定，默認情況下將使用類路徑下的dic.txt字典文件。
6.自定義停用字詞詞庫。
用法類似於自定義用戶同義詞庫，配置項包括:
stop words . path = class path:stop words . txt，d:/custom_stopwords_dic
7.自動檢測同義詞庫更改。
它可以自動檢測自定義用戶詞庫和自定義停用詞庫的變化。
包含類路徑下的文件和文件夾，非類路徑下的絕對路徑和相對路徑。
比如:
classpath:dic.txt，classpath:custom_dic_dir，
d:/dic_more.txt，d:/DIC_DIR，D:/DIC2_DIR，my_dic_dir，my_dic_file.txt
classpath:stopwords.txt，class path:custom _ stop words _ DIC _ dir，
d:/停用詞_更多. txt，d:/停用詞_目錄，d:/停用詞2 _目錄，停用詞_目錄，刪除. txt
8.明確指定分詞算法
分割文本時，可以明確指定特定的分割算法，例如:
WordSegmenter.seg("APDPlat應用級產品開發平臺"，分段算法。雙向最大匹配)；
可選的分段算法類型有:
正向最大匹配算法:最大匹配
ReverseMaximumMatching算法:ReverseMaximumMatching
正向最小匹配算法:最小匹配
反向最小匹配算法:反向最小匹配
雙向最大匹配算法:雙向最大匹配
雙向最小匹配算法:雙向最小匹配
雙向最大最小匹配算法:雙向最大最小匹配
全分割算法
最小分詞算法:MinimalWordCount
最大Ngram分數算法:MaxNgramScore
9、分詞效果評估
運行項目根目錄下的腳本evaluation.bat，評估分詞效果。
評估中使用的測試文本是253，3709行和* * * 2，837，490個字符。
評估結果位於目標/評估目錄中:
Corpus-text.txt是手工標註的分詞文本，用空格分隔。
Test-text.txt即測試文本，是用標點符號將corpus-text.txt分成多行的結果。
Standard-text.txt是測試文本對應的人工標註文本，作為分詞是否正確的標準。
結果-文本-***。txt，* * *是各種分詞算法的名稱，是分詞結果。
完美結果-***。txt，* * *是各種分詞算法的名稱，是分詞結果完全符合人工標註標準的文本。
錯誤-結果-***。txt，* *是各種分詞算法的名稱，是分詞結果與人工標註標準不壹致的文本。