SCWS 是 Simple Chinese Word Segmentation 的首字母縮寫（即：簡易中文分詞系統）。

這是一套基于詞頻詞典的機械式中文分詞引擎，它能將一整段的中文文本基本正確地切分成詞。 詞是中文的最小語素單位，但在書寫時并不像英語會在詞之間用空格分開， 所以如何準確并快速分詞一直是中文分詞的攻關難點。

　　SCWS 采用純 C 語言開發，不依賴任何外部庫函數，可直接使用動態鏈接庫嵌入應用程序， 支持的中文編碼包括 GBK、UTF-8 等。此外還提供了 PHP 擴展模塊， 可在 PHP 中快速而方便地使用分詞功能。

　　分詞算法上并無太多創新成分，采用的是自己采集的詞頻詞典，并輔以一定的專有名稱，人名，地名， 數字年代等規則識別來達到基本分詞，經小范圍測試準確率在 90% ~ 95% 之間， 基本上能滿足一些小型搜索引擎、關鍵字提取等場合運用。首次雛形版本發布于 2005 年底。

　　SCWS 由 hightman 開發， 并以 BSD 許可協議開源發布，源碼托管在 github。

　　這是我們抓取的微博數據，以Excle形式保存數據。

?

轉載于:https://www.cnblogs.com/hzsy/p/5858673.html

總結

以上是生活随笔為你收集整理的实训第十二天的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。