使用ICTCLA api进行中文分词实验的过程备忘

机器翻译最后一个大作业需要使用moses搭建一个机器翻译系统。其中有一步中要调用ICTCLA api实现中文分词，晚上稍稍熟悉了一下ICTCLA，大概了解了它的原理和使用方法，在此将使用它的方法和实验过程加以简述，以备忘。

 

我是在ubuntu 9.10系统中进行实验的，故而需要下载linux版本的ICTCLA。我首先下的是java版本，但是在ubuntu中使用时出现了问题，后换成了C++版本。在解决了实验过程中在C++版本里出现的问题之后，回头看java版本，之前遇到的是一样的问题。在此以c++版本为例说明。

 

完成一个汉语分词程序的过程：

首先，下载C++ ICTCLA for linux，解压，出现4个文件夹api, Demo, Doc和Simple。Demo中放的是在windows中使用的一个GUI的程序，Doc是说明文档，Sample是一个示例，api中存放的是使用C++ api是在工程中必须存在的一些文件和文件夹，可视作各个库和配置文件。

其次，建立一个C++工程CTestProject，在这个工程的文件夹里拷入上述api文件夹内的所有东东。下一步很重要，修改ICTCLAS50.h头文件，我不晓得为什么这个文件会有问题，不过改后确实好了。这个文件中需要注释掉各个函数声明之前的“ICTCLAS_API”，不然编译报错（我估计是开发人员忘记将这个字符串放入注释了）。

写程序test.cpp（一个简单的调用api进行中文分词的程序）：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include "ICTCLAS50.h"
int main(int argc, char* argv[])
{
if(!ICTCLAS_Init())
{
printf("Init fails/n");
return -1;
}