jcseg 基于mmseg算法的中文分词器

jcseg是使用Java开发的一个开源的中文分词器，使用流行的MMSeg算法实现。是一款独立的分词组建，不是针对Lucene而开发，但是提供了最新版本的lucene和Solr分词接口。

特点：

1。mmseg四种过滤算法，分词准确率达到了98.41%。
2。支持自定义词库。在jcseg源码中的Lexicon文件夹下，可以随便添加/删除/更改词库和词库内容，并且对词库进行了分类。
3。同义词匹配+分词拼音追加．词库整合了《现代汉语词典》和cc-cedict辞典中的词条，并且依据cc-cedict词典为词条标上了拼音，依据《中华同义词词典》为词条标上了同义词(尚未完成)。更改jcseg.propertIEs配置文档可以在分词的时候加入拼音和同义词到分词结果中。
4。中文数字和中文分数识别，例如："一百五十个人都来了，四十分之一的人。"中的"一百五十"和"四十分之一"。并且jcseg会自动将其转换为阿拉伯数字加入到分词结果中。如：150， 1/40。
5。支持中英混合词和英中混合词的识别。例如：B超, x射线, 卡拉ok, 奇都ktv。
6。更好的英文支持，电子邮件，网址，小数，分数，百分数，字母和标点组合词（例如C++, C#）的识别。
7。支持阿拉伯/中文数字基本单字单位的识别，例如2012年，五折，并且jcseg会将其转换为“5折”加入分词结果中。
8。自动圆角/半角，大小写转换。
9。特殊字母识别：例如：Ⅰ，Ⅱ
10。特殊数字识别：例如：①，⑩
11。配对标点内容提取：例如：最好的Java书《java编程思想》，‘畅想杯黑客技术大赛’，被《,‘,“,『标点标记的内容。
12。智能中文人名识别。中文人名识别正确率达94%以上。（可以维护lex-lname.lex，lex-dname-1.lex，lex-dname-2.lex来提高准确率）。
13。自动中英文停止词过滤功能（需要在jcseg.properties中开启该选项，lex-stopwords.lex为停止词词库）。
14。词库更新自动加载功能, 开启一个守护线程随时检测词库的更新并且加载.