斗牛NLPIR中文分词工具V1.1已发布，本分词工具采用NLPIR2014最新版。可直接对文件夹里所有文件自动分词，提取关键词（包括对未登录词的识别），支持词性标注及自定义词典。

软件特色：

1、支持对目录级别的所有文件直接批量分词

2、支持批量提取多个文件里的关键词，带权重值输出（此值非TF-IDF，而是交叉熵），包含新词（未登录词）识别等

3、支持分词结果的词性标注，如人名、地名、机构名、数词、时间词等等。

4、支持用户自定义词典，在\dat\userdict.txt里添加

使用方法：

1、将待分词的文本都放入到一个文件夹中

2、直接拖动文件夹至软件窗口或浏览到对应目录

3、点开始运行或提词。

温馨提示：待分词的文本编码需为ANSI，否则可能会出现乱码的情况。可用notepad++打开后，右下角状态栏提示编码。

软件截图：

软件下载： www.douniu.la 已集成至斗牛SEO工具中！

NLPIR汉语分词系统（官网：http://ictclas.nlpir.org/）

NLPIR汉语分词系统(又名ICTCLAS2014),主要功能包括中文分词；词性标注；命名实体识别；用户词典功能；支持GBK编码、UTF8编码、BIG5编码。新增微博分词、新词发现与关键词提取。

中科院的NLPIR分词系统应该是目前公认做的比较好的，支持自定义词典、支持批量分词、关键词提取、词性标注、文章指纹识别，2014版本添加了新词(未登录词)的识别等。

之前因为准备用里面的一个接口，找了一番发现其官方并没有提供易语言的api接口文档及源码示例。。。很多人对NLPIR分词系统还是很有需求的，所以制作了一个易语言的模块，封装了最新2014版的所有接口以供调用。

1、关键词提取接口：NLPIR_GetKeyWords()、NLPIR_GetFileKeyWords()这两个接口，分别为从文本中提取关键词和从文件中提取关键词，支持指定数量的提取和TF/IDF权重的输出，用来做tag标签啥的，比较合适。

2、指纹识别接口：NLPIR_FingerPrint()返回的貌似是一个多维度十六进制的向量，可以用在检测文章相似度上面，比如计算两篇文章指纹向量的余弦相似度；或者对采集的多个文件进行去重等等。而且这个分词系统支持多线程，大批量运行应该没太大问题。

3、新词识别接口：除自己定义的词典，此接口支持将识别到的新词自动导入到自定义词典中。里面新词识别接口有2个，建议使用后添加的NLPIR_NWI_Start() API.

4、关于用户词典和核心词典中同时有的分词词汇，谁优先? 可以在data/Configure.xml中设置

中科院分词模块.ec    下载地址: http://pan.baidu.com/s/1mgqMfrE  密码: h1a5

模块使用很简单：

1、去官方下载通用的NLPIR/ICTCLAS2014分词系统下载包（2014.3.24发布的），并解压到本地，只需要里面的NLPIR.dll（要找一下）和data目录文件即可

2、之后直接用易语言调用模块即可，如果不会用模块调用，请注意看模块里的每个参数说明，或查看官方的接口文档说明。