文本分类（一）封装分词器

我自己简易封装了一个分词器，使用Lucene.Net.类图如下：

使用测试如下：

 

}

 

输出结果如下：

 

可见：

SimpleSpliter的分词方法是以空格、或标点分词，并去掉了标点；

StandarSpliter的粉刺方法是中文单字分词，英文以空格分词，并去掉了标点；

CnSpliter的分词方法是中文单字分词，对单个无意义的英文字母直接去掉了；-_-!

ICTCLAS的分词方法比较适合使用，对“我们“、”是“这样的无意义中文进行了过滤，中文分词效果也比较理想。

稍后贴出下载地址。