关于分词的几个问题

[listdo]

原文如下:

引用:1. 全文检索，此次全文搭配数据库进行。测试中大概有 45万篇文章，约900万个词（是分好的词不是字）。
检索效果还不错，如果纯单词进行检索效果相当好。长句略慢。。。。

分词结果:

引用:1 . 全文检索 ， 此次 全文 搭配 数据库 进行 。 测试 中 大概 有 45 万 篇文章 ， 约 900 万个词 （ 是 分 好 的 词 不是 字 ） 。
检索 效果 还 不错 ， 如果 纯 单词 进行 检索 效果 相 当好 。 长句 略 慢 。 。 。 。

1.从结果来看,分词程序对数量词的把握不是很准
45万篇文章 = > 45 万 篇文章
约900万个词 = > 约 900 万个词

篇是量词,量词怎么和后面的名词分在一块呢?

2.
效果相当好 = > 效果 相 当好

不知道在词库中"相"的词性是什么,这里把"相"和"当"分开,却把"当"和"好"分在一块,
明显不是我们想要的结果.

[hightman]

１．单字节的数字和中文字目前的规则不允许一起存在，像４５万就可以，或四十五万

２．＂当好＂在词典中出现并有较高的频率，这可能是错误的，可以修正词典．关于词典的问题有相关文章已经说过了，词库太大，出错不少，校对是长期而困难的

[dosoy]

这个也是我们垂直的优势哈。
词库上面
:lol