linuxictclas
1. ictclas 怎麼使用 python
以前ictclas014似乎只能在windows下被python調用。我就成功過。 不過到了linux下比較麻煩。java調用是可以的。但是python似乎有些麻煩。不過當時谷哥的code項目里有一個開源版本。 現在不用這么麻煩了。
2. 有人在linux中nlpir/ictclas2014分詞系統使用python編譯過的嗎
直接放在最外層才行，不要放在src裡面,當然你也要把data文件夾放在最外面，還有一系列的文檔也要放在最外面，只有.java文件放在src下
3. 誰會用ICTCLAS這個分詞程序
ICTCLAS分詞系統是個NB的系統，這幾天找到了仔細試了試，效率奇高，比自己搞字典，分詞演算法效率不知高了很多倍，用起來也是非常簡單的，BOSS需要導出自定義詞庫，然後用文章訓練詞庫，不管了，反正可以使用了。DT地用hash做了兩個星期，進度很慢，分析一本《天龍八部》，統計出現的詞語頻率（詞語只是僅僅基於頻率，在並沒有字典的情況下無法實現智能分詞！）大概要花費十幾分鍾，可見效率底下，而且內存200M左右。使用ICTCLAS分詞系統可以高效地實現分詞。下面把過程貼出來。
使用方法，首先到網上下載ICTCLAS，因為我是windows下的C++實現， 下載ICTCLAS2011_Windows_32_c，解壓，裡面有很好的Demo,Doc, API目錄下的所有文件(夾)到你所在的工程，在你的源文件加上
#include "ICTCLAS50.h"
#pragma comment(lib, "ICTCLAS50.lib") //ICTCLAS50.lib庫加入到工程中
//
//your code here，可參考Demo裡面的代碼
//
即可。
大概的函數C++函數介面都在Doc文件下的文檔中：
bool ICTCLAS_Init(const char* pszInitDir=NULL);初始化函數
返回值
如果初始化成功返回true, 否則返回false. 如初始化不成功,請查看ictclas.log文件了解詳細錯誤原因.
參數
pszInitDir：初始化路徑，應包含配置文件（Configure.xml）和詞典目錄(Data目錄)以及授權文件(user.lic). 如果這些文件及目錄在系統運行當前目錄下，此參數可以為null。
bool ICTCLAS_Exit( );退出，釋放內存
返回值
成功返回true；否則返回false。
unsigned int ICTCLAS_ImportUserDict(const char *sFilename,eCodeType eCT)
//導入用戶自定義詞典
返回值
導入成功的詞的個數
參數
sFilename: 用戶定義詞典文件
eCT：編碼格式
int ICTCLAS_ParagraphProcess(const char *sParagraph,int nPaLen,eCodeType eCt,int bPOStagged,char* sResult);//對一段文字進行分詞
返回值
返回結果緩沖區的指針（sResult）以及結果的長度R
參數
sParagraph: 原始文欄位
nPaLen: 文欄位的長度
eCodeType: 文欄位的編碼格式
bPOStagged: 需不需要根據標注集做標記 0 = 做標記 ; 1 = 不標記; 默認為1.
sResult: 輸出結果
t_pstRstVec ICTCLAS_ParagraphProcessA(const char *sParagraph,int PaLen,eCodeType eCodeType,int bPOStagged,int &nRstCnt);
//處理文欄位
返回值
結果vector的指針，系統調用，用戶無法分配以及釋放
struct stResult{
int start; //start position
int length; //length
#ifdef POS_TAGGER
int iPOS; //POS
char sPOS[POS_SIZE];//word type
#endif
int word_ID; //word_ID
int word_type; //Is the word of the user's dictionary?(0-no,1-yes)
int weight;// word weight
};
參數
sParagraph: 原始文欄位
nPaLen: 文欄位長度
eCodeType: 編碼格式
bPOStagged:
需不需要根據標注集做標記 0 = 做標記 ; 1 = 不標記; 默認為1.
nRstcnt: 處理結果的長度值。
詳細用法參見Doc文件。
bool ICTCLAS_FileProcess(const char *sSrcFilename,eCodeType eCt,const char *sDsnFilename,int bPOStagged);//處理txt文件
返回值
處理文本文件成功返回true, 否則返回false
參數
sSourceFilename: 原始處理文件
eCodeType: 原始文件編碼格式
sDsnFilename: 存儲結果的文件名T
bPOStagged: 需不需要根據標注集做標記 0 = 做標記 ; 1 = 不標記; 默認為1.
注意事項
調用此函數之前需要調用init函數成功，輸出格式可以通過ICTCLAS 配置來更改，這個需要研究下配置文件。
int ICTCLAS_SetPOSmap(int nPOSmap);//設置標注集
返回值
成功為1，其他為0
參數
nPOSmap :
ICT_POS_MAP_FIRST 計算所一級標注集
ICT_POS_MAP_SECOND 計算所二級標注集 PKU_POS_MAP_SECOND 北大二級標注集 PKU_POS_MAP_FIRST 北大一級標注集
int ICTCLAS_GetWordId(const char *sWord,int nWrdLen,eCodeType eCT);
返回值
單詞的ID（我覺得是詞典裡面的存儲位置，不清楚詞典的具體結構）
參數
sWord: 目標單詞
nWrdLen: 單詞長度
eCodeType: 編碼格式
bool ICTCLAS_ResultFree ( t_pstRstVec pRetVec)
//釋放調用ICTCLAS_ParagraphProcessAW得到的vector指針
返回值
成功為1，失敗為0
參數
t_pstRstVec: ICTCLAS_ParagraphProcessAW得到的vector指針
總結：這些函數都很好用，我需要使用處理文件函數ICTCLAS_FileProcess我出現的問題是：單獨調用這個函數沒有問題，但是在MFC界面調用兩個選擇打開文件路徑和保存結果文件路徑的CFileDialog以後就會出現ICTCLAS_Init初始化失敗！郁悶了半天，查看ICTCLAS.log文件，
Default Path : E:\test_ICTCLAS\test_ICTCLAS\test_ICTCLAS
start lic check.
License succeed!Cannot open user dictionary
E:\test_ICTCLAS\test_ICTCLAS\test_ICTCLAS\Data\UserDict.pdat.
Cannot open file E:\test_ICTCLAS\test_ICTCLAS\test_ICTCLAS\Data\UserDict.map.
Cannot open user dictionary E:\test_ICTCLAS\test_ICTCLAS\test_ICTCLAS\Data\UserDict.pos.
Load dictionary down!
並沒有異常，載入失敗是因為並沒有自定義詞典。
仔細排查，發現bool ICTCLAS_Init(const char* pszInitDir=NULL)有一個默認的工作路徑，在沒有打開CFileDialog的時候默認的路徑是exe文件執行路徑，但是打開以後若不進行設置，會改變工作路徑！這就是為什麼點擊CFileDialog路徑更改，找不到路徑下的文件，當然無法初始化了！（ pszInitDir：初始化路徑，應包含配置文件（Configure.xml）和詞典目錄(Data目錄)以及授權文件(user.lic). 如果這些文件及目錄在系統運行當前目錄下，此參數可以為null）
解決方案：
方案1. 在每次調用CFileDialog打開文件後重新設置工作路徑
方案2. 在程序中使用絕對路徑
方案3. CFileDialog的構造函數有8個參數，平時為了省事一般只是指定第一個。其實解決這個問題，只要在第四個參數dwFlags中加上OFN_NOCHANGEDIR即可
4. 有人在linux中nlpir/ictclas2014分詞系統使用python編譯過的嗎
用過。不過不是老版本的，用的是它的開源版本。最近張博士似乎又出了一個開源項目，更方便了。
以前ictclas014似乎只能在windows下被python調用。我就成功過。 不過到了linux下比較麻煩。java調用是可以的。但是python似乎有些麻煩。不過當時谷哥的code項目里有一個開源版本。
現在不用這么麻煩了。
5. ictclas4j既然是用java編寫的，為什麼在linux系統下運行還報錯呢（錯誤類型：java.lang.NullPointerExce
這跟系統沒關系，你報的是空指針異常