thulac4j

thulac4j是THULAC的高效Java 8实现，具有分词速度快、准、强的特点；支持

• 自定义词典
• 繁体转简体
• 停用词过滤

使用示例

在项目中使用thulac4j，添加依赖（请使用最新版本）：

<dependency>
  <groupId>io.github.yizhiru</groupId>
  <artifactId>thulac4j</artifactId>
  <version>3.1.2</version>
</dependency>

thulac4j支持中文分词与词性标注，使用示例如下：

String sentence = "滔滔的流水，向着波士顿湾无声逝去";
List<String> words = Segmenter.segment(sentence);
// [滔滔, 的, 流水, ，, 向着, 波士顿湾, 无声, 逝去]

POSTagger pos = new POSTagger("models/model_c_model.bin", "models/model_c_dat.bin");
List<SegItem> words = pos.tagging(sentence);
// [滔滔/a, 的/u, 流水/n, ，/w, 向着/p, 波士顿湾/ns, 无声/v, 逝去/v]

模型数据较大，没有放在jar包与源码。训练模型下载及更多使用说明，请参看Wiki.

最后感谢THUNLP实验室！