支援三種分詞模式：
精确模式，試圖将句子最精确地切開，适合文本分析；
全模式，把句子中所有的可以成詞的詞語都掃描出來, 速度非常快，但是不能解決歧義。具體來說，分詞過程不會借助于詞頻查找最大機率路徑，亦不會使用HMM；
搜尋引擎模式，在精确模式的基礎上，對長詞再次切分，提高召回率，适合用于搜尋引擎分詞。
支援繁體分詞
支援添加自定義詞典和自定義詞
下載下傳代碼使用VS 2017 打開，或者使用VS Code 打開項目。
選擇jieba.NET 為起始項目，Program.cs 代碼如下：
運作程式結果如下：
JiebaSegmenter.Cut方法可通過cutAll來支援兩種模式，精确模式和全模式。精确模式是最基礎和自然的模式，試圖将句子最精确地切開，适合文本分析；而全模式，把句子中所有的可以成詞的詞語都掃描出來, 速度更快，但是不能解決歧義，因為它不會掃描最大機率路徑，也不會通過HMM去發現未登入詞。
CutForSearch采用的是搜尋引擎模式，在精确模式的基礎上對長詞再次切分，提高召回率，适合用于搜尋引擎分詞。
詞性标注采用和ictclas相容的标記法，關于ictclas和jieba中使用的标記法清單，請參考：詞性标記。
在TestDemo.cs 中PosCutDemo 方法為詞性标注。
調用結果如下：
現在來嘗試提取其中的關鍵詞。jieba.NET提供了TF-IDF和TextRank兩種算法來提取關鍵詞，TF-IDF對應的類是JiebaNet.Analyser.TfidfExtractor，TextRank的是JiebaNet.Analyser.TextRankExtractor。
ExtractTagsDemo 方法為提取所有關鍵詞。
ExtractTagsDemo2 方法為提取前十個僅包含名詞和動詞的關鍵詞
ExtractTagsWithWeight方法的傳回結果中除了包含關鍵詞，還包含了相應的權重值。
調用 TokenizeDemo 方法會傳回對應位置
代碼加入
調用 segmenter.AddWord添加新詞，這裡添加了釋出時間及.NETCore2.0
可以看到新加入的詞被識别出來。
詞典加入
詞典格式如下：詞典格式與主詞典格式相同，即一行包含：詞、詞頻（可省略）、詞性（可省略），用空格隔開。詞頻省略時，分詞器将使用自動計算出的詞頻保證該詞被分出。
然後使用segmenter.LoadUserDict() 方法，傳入詞典路徑。
本文轉自zsdnr 51CTO部落格，原文連結：http://blog.51cto.com/12942149/1949721，如需轉載請自行聯系原作者