java - 断词规则文件

Question

IBM 显然已经开源了 ICU 源代码以支持 Unicode 和全局化，其中一部分是文本边界定位器，用于检测文本中的中断位置。

但是，中断检测的内容依赖于规则，我无法在任何地方找到规则文件。

在哪里可以获得 com.ibm.icu.text.BreakIterator 和 com.ibm.icu.text.RuleBasedBreakIterator 的分词规则文本文件？

Answer 1

http://www.icu-project.org/拥有 IBM 在开源许可下发布的 icu4j 的所有源代码。这包括边界分析内容，例如基于字典和基于规则的中断迭代器。

但是，似乎没有适合阅读的文本文件。我不确定 IBM 是否会将他们的规则集作为开源发布(因为这对他们来说是一个相当大的技术优势)。相反，我们的想法是创建您自己的规则集，其教程是 here .

同一个教程指出，您可以通过运行转储默认规则:

RuleBasedBreakIterator rbbi = (RuleBasedBreakIterator)
    BreakIterator.getWordInstance(Locale.getDefault());
String defaultRules = rbbi.toString();