#CppJieba是"结巴"中文分词的c++库
##Detail
- 现在支持utf8,gbk编码的分词。默认编码是utf8。
##Algorithm
###Trie树
Trie.cpp/Trie.h 负责载入词典的trie树，主要供Segment模块使用。
###Segment模块
Segment.cpp/Segment.h
负责根据Trie树构建有向无环图和进行动态规划算法，是分词算法的核心。
###TransCode模块
TransCode.cpp/TransCode.h 负责转换编码类型，将utf8和gbk都转换成uint16_t类型，也负责逆转换。
###HMMSegment模块
HMMSegment.cpp/HMMSegment.h
是根据HMM模型来进行分词，主要算法思路是根据(B,E,M,S)四个状态来代表每个字的隐藏状态。
HMM模型由dicts/下面的hmm_model.utf8提供。
分词算法即viterbi算法。
##Demo
这部分的功能经过线上考验，一直稳定运行，暂时没有发现什么bug。
cd ./demo;
make;
./segment_demo testlines.gbk
Output:
我来到北京清华大学
我/来到/北京/清华大学
他来到了网易杭研大厦
他/来到/了/网易/杭/研/大厦
小明硕士毕业于中国科学院计算所，后在日本京都大学深造
小/明/硕士/毕业/于/中国科学院/计算所/，/后/在/日本京都大学/深造
__有待完善
cd ./demo;
make;
./segment_demo testlines.utf8 --modelpath ../dicts/hmm_model.utf8 --algorithm cutHMM
Output:
我来到北京清华大学
我来/到/到北京/清华大学
他来到了网易杭研大厦
他来/到/了/到了网易/杭/杭研大厦
小明硕士毕业于中国科学院计算所，后在日本京都大学深造
小明/硕士/毕业于/中国/科学院/计算所/，/后/在/日/本/京/都/大/学/深/造
##Help
run ./segment_demo to get help.
usage:
./segment_demo[options] <filename>
options:
--algorithm Supported encoding methods are [cutDAG, cutHMM] for now.
If is not specified, the default is cutDAG
--dictpath If is not specified, the default is ../dicts/jieba.dict.utf8
--modelpath If is not specified, the default is ../dicts/hmm_model.utf8
--encoding Supported encoding methods are [gbk, utf-8] for now.
If is not specified, the default is utf8.
example:
./segment_demo testlines.utf8 --encoding utf-8 --dictpath ../dicts/jieba.dict.utf8
./segment_demo testlines.utf8 --modelpath ../dicts/hmm_model.utf8 --algorithm cutHMM
./segment_demo testlines.gbk --encoding gbk --dictpath ../dicts/jieba.dict.gbk
##Contact 如果有运行问题或者任何疑问，欢迎联系 : wuyanyi09@gmail.com
##Thanks
"结巴中文"分词作者: SunJunyi
https://github.com/fxsjy/jieba