ictclas

ictclas官方版是一款功能强大的分词系统。ictclas最新版支持中文分词、词性标注、命名实体识别、新词识别、用户词典等功能，能够帮助用户进行汉语言词法的分析研究。ictclas软件还为用户提供了词性标准、关键词提取、接口扩展等功能，满足不同用户的需求。

ictclas软件介绍

      中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(InstituteofComputingTechnology,ChineseLexicalAnalysisSystem)，主要功能包括中文分词;词性标注;命名实体识别;新词识别;同时支持用户词典。我们先后精心打造五年，内核升级7次，目前已经升级到了ICTCLAS2009用户词典接口扩展用户可以动态增加、删除用户词典中的词，调节分词的效果。提高了用户词典使用的灵活性。

      ICTCLAS词法分析系统，从2009年开始，为了和以前工作进行大的区隔，并推广NLPIR自然语言处理与信息检索共享平台，调整命名为NLPIR分词系统。张华平博士先后倾力打造十余年，内核升级十余次，先后获得了2010年钱伟长中文信息处理科学技术奖一等奖，2003年国际SIGHAN分词大赛综合第一名，2002年国内973评测综合第一名。全球用户突破30万，包括中国移动、华为、中搜、3721、NEC、中华商务网、硅谷动力、云南日报等企业，清华大学、新疆大学、华南理工、麻省大学等机构：同时，ICTCLAS广泛地被《科学时报》、《人民日报》海外版、《科技日报》等多家媒体报道。您可以访问Google进一步了解ICTCLAS的应用情况。

ictclas软件功能

      1.指纹提取

      根据文章的内容，结构，词语间的关系，分析出能够表示该文章的语义指纹，使用数字序列表示。

      2.分词粒度可调

      可以控制分词结果的粒度。共享版本提供两种分词粒度，标准粒度和粗粒度，满足不同用户的需求。

      3.用户词典接口扩展

      用户可以动态增加、删除用户词典中的词，调节分词的效果。提高了用户词典使用的灵活性。

      4.词性标注功能加强

      多种标注级的选择，系统可供选择的标注级有：计算所一级标注级，计算所二级标注集，北大一级标注集，北大二级标注集。

      5.关键词提取

      自动抽取出能很好地代表文档主题的若干个词或短语。关键词抽取技术广泛应用于信息检索、文本分类/聚类、信息过滤、文档摘要等各种智能文本信息处理领域，具有很好的应用价值。

      6.新词发现与自适应分词功能

      从较长的文本内容中，基于信息交叉熵自动发现新特征语言，并自适应测试语料的语言概率分布模型，实现自适应分词。

ictclas软件优势

      一、国内和国际权威的公开评测、三万客户的认可

      有些公司为了商业目的，关门自测，自称准确度99.50%，没有介绍测试环境和测试方法，封闭测试或者小规模的开放测试准确度100%都不足为奇的，ICTCLAS1.0在国内973专家组组织的评测中活动获得了第一名，ICTCLAS2.0在第一届国际中文处理研究机构SigHan组织的评测中都获得了多项第一名，具体的参见系统评测部分。这些都是权威机构进行大规模现场开放测试的结果，真实可信。

      ICTCLAS已经向国内外的企业和学术机构颁发了30,000多份授权，其中包括3721、NEC、中华商务网、硅谷动力、云南日报等企业，新疆大学、清华大学、华南理工、麻省大学;同时，ICTCLAS广泛地被《科学时报》、《人民日报》海外版、《科技日报》等多家媒体报道。您可以访问Google进一步了解ICTCLAS的应用情况。

      二、综合性能最优

      分词系统能否达到实用性要求主要取决于两个因素：分词精度与分析速度，这两者相互制约，难以平衡。大多数系统往往陷入“快而不准，准而不快”的窘境。我们研制出了完美PDAT大规模知识库管理技术，在高速度与高精度之间取得了重大突破，该技术可以管理百万级别的词典知识库，单机每秒可以查询100万词条，而内存消耗不到知识库大小的1.5倍。基于该技术，ICTCLAS3.0分词速度单机996KB/s，分词精度98.45%，API不超过200KB，各种词典数据压缩后不到3M，是当前世界上最好的汉语词法分析器。

      三、统一的语言计算理论框架

      汉语分词牵涉到汉语分词、未定义词识别、词性标注以及语言特例等多个因素，大多数系统缺乏统一的处理方法，往往采用松散耦合的模块组合方式，最终模型并不能准确有效地表达千差万别的语言现象，而ICTCLAS采用了层叠隐马尔可夫模型(Hierarchical Hidden Markov Model)，将汉语词法分析的所有环节都统一到了一个完整的理论框架中，获得最好的总体效果，相关理论研究发表在顶级国际会议和杂志上，从理论上和实践上都证实了该模型的先进性。

      四、全方位支持各种环境下的应用开发

      ICTCLAS全部采用C/C++编写，支持Linux、FreeBSD及Windows系列操作系统，支持C/C++/C#/Delphi/Java等主流的开发语言。

      五、应需而变，量身定做

      所有功能模块均可拆卸组装,ICTCLAS有GB2312和BIG5版本，可分别处理目简繁体中文;支持当前广泛承认的分词和词类标准，包括计算所词类标注集ICTPOS3.0，北大标准、滨州大学标准、国家语委标准、台湾“中研院”、香港“城市大学”;用户可以直接自定义输出的词类标准，定义输出格式;用户可以根据自己的需求，进行量身自助式定做适合自己的分词系统。