scws简易中文分词系统

一、简介

SCWS 是 Simple Chinese Words Segmentation 的缩写，即简易中文分词系统。

这是一套基于词频词典的机械中文分词引擎，它能将一整段的汉字基本正确的切分成词。词是汉语的基本语素单位，而书写的时候不像英语会在词之间用空格分开，所以如何准确而又快速的分词一直是中文分词的攻关难点。

SCWS 在概念上并无创新成分，采用的是自行采集的词频词典，并辅以一定程度上的专有名称、人名、地名、数字年代等规则集，经小范围测试大概准确率在 90% ~ 95% 之间，已能基本满足一些中小型搜索引擎、关键字提取等场合运用。 SCWS 采用纯 C 代码开发，以 Unix-Like OS 为主要平台环境，提供共享函数库，方便植入各种现有软件系统。此外它支持 GBK，UTF-8，BIG5 等汉字编码，切词效率高。

 

二、使用方法

1、当然首先得去下载相应的scws版本，http://www.ftphp.com/scws/ ；

2、笔者开发环境是windows xp，php5，下载的scws版本是php_scws.dll(2)

3、下载XDB词典文件、规则集文件

4、笔者将下载的文件存放在C:/Program Files/scws，

5、把 php_scws.dll 复制到php 扩展文件夹

 </