标签：http io ar java for sp on cti bs
http://www.hankcs.com/nlp/ansj-word-pairs-array-tire-tree-achieved-with-arrays-dic-dictionary-format.html
arrays.dic是一个双数组Trie树格式的词典，用文本的形式储存了索引，字串，base，check，status与词性。
一个直观的图示：
index就是base数组中的下标。
term是词的当前状态，不一定代表一个词，如“一举一”是“一举一动”的前缀。
base是base数组的值。代表字串的当前状态，其实就是字串一路按base[tx] = base[t] + x查过来的值。比如base[一举一动] = base[一举一] + code(动)。特别地，如果字串长度为1的话（字符），那么base值就是字符的双字节码。
check是check数组的值。check是用来验证这个词是从哪个状态转换过来的。比如
是由
转换过来的。base[105540] + 21160 = 126700.
status是term的成词状态：1:继续 2:是个词语但是还可以继续 3:确定。参考。
nature是这个词以这些词性出现的频次。
转载请注明：码农场 » Ansj分词双数组Trie树实现与arrays.dic词典格式
Ansj分词双数组Trie树实现与arrays.dic词典格式
标签：http io ar java for sp on cti bs
原文地址：http://www.cnblogs.com/DjangoBlog/p/4073062.html
