在之前的博文中介绍了基于词典的正向最大匹配算法，用了不到50行代码就实现了，然后分析了词典查找算法的时空复杂性，最后使用前缀树来实现词典查找算法，并做了3次优化。
下面我们看看基于词典的逆向最大匹配算法的实现，如下代码所示：
public static List<String> segReverse(String text){
Stack<String> result = new Stack<>();
while(text.length()>0){
int len=MAX_LENGTH;
if(text.length()<len){
len=text.length();
}
//取指定的最大长度的文本去词典里面匹配
String tryWord = text.substring(text.length() - len);
while(!DIC.contains(tryWord)){
//如果长度为一且在词典中未找到匹配，则按长度为一切分
if(tryWord.length()==1){
break;
}
//如果匹配不到，则长度减一继续匹配
tryWord=tryWord.substring(1);
}
result.push(tryWord);
//从待分词文本中去除已经分词的文本
text=text.substring(0, text.length()-tryWord.length());
}
int len=result.size();
List<String> list = new ArrayList<>(len);
for(int i=0;i<len;i++){
list.add(result.pop());
}
return list;
} 算法跟正向相差不大，重点是使用Stack来存储分词结果，具体差异如下图所示：
下面看看正向和逆向的分词效果，使用如下代码：
public static void main(String[] args){
List<String> sentences = new ArrayList<>();
sentences.add("杨尚川是APDPlat应用级产品开发平台的作者");
sentences.add("研究生命的起源");
sentences.add("长春市长春节致辞");
sentences.add("他从马上下来");
sentences.add("乒乓球拍卖完了");
sentences.add("咬死猎人的狗");
sentences.add("大学生活象白纸");
sentences.add("他有各种才能");
sentences.add("有意见分歧");
for(String sentence : sentences){
System.out.println("正向最大匹配: "+seg(sentence));
System.out.println("逆向最大匹配: "+segReverse(sentence));
}
} 运行结果如下：
开始初始化词典 完成初始化词典，词数目：427452 最大分词长度：16 正向最大匹配: [杨尚川, 是, APDPlat, 应用, 级, 产品开发, 平台, 的, 作者] 逆向最大匹配: [杨尚川, 是, APDPlat, 应用, 级, 产品开发, 平台, 的, 作者] 正向最大匹配: [研究生, 命, 的, 起源] 逆向最大匹配: [研究, 生命, 的, 起源] 正向最大匹配: [长春市, 长春, 节, 致辞] 逆向最大匹配: [长春, 市长, 春节, 致辞] 正向最大匹配: [他, 从, 马上, 下来] 逆向最大匹配: [他, 从, 马上, 下来] 正向最大匹配: [乒乓球拍, 卖完, 了] 逆向最大匹配: [乒乓球拍, 卖完, 了] 正向最大匹配: [咬, 死, 猎人, 的, 狗] 逆向最大匹配: [咬, 死, 猎人, 的, 狗] 正向最大匹配: [大学生, 活象, 白纸] 逆向最大匹配: [大学生, 活象, 白纸] 正向最大匹配: [他, 有, 各种, 才能] 逆向最大匹配: [他, 有, 各种, 才能] 正向最大匹配: [有意, 见, 分歧] 逆向最大匹配: [有, 意见分歧]
参考资料：
1、中文分词十年回顾