mmseg4j的字典数据结构（版本1.8.5）

    最近在做分词，在网上发现了MMSEG，论文简单入理。在code.google.com上搜到了java的实现版本，非常感谢chenlb开源自己的代码。
    在学习mmseg4j对字典的结构比较困惑，做了些调研，写下自己的感受。

    mmseg4j采用 key-tree的形式存储字典数据结构，这有点类似中科院的ictclas4j的字典结构，ictclas4j的字典结构含有6768个字块（好像是这么多，可能有误），每一个子块是由含有以该字开头的词组成。结构图如下所示：


    mmseg4j原始字典有两个，一个是chars.dct，另一个是words.dct。mmseg4j先加载chars.dct，这个比较简单，直接就是字 和 在语料库中的频率。频率是在CharNode这个类中。在加载words.dct的时候，实际上是对第一步加载chars.dct的填充，填充 CharNode 的 KeyTree字段。
    KeyTree类中含有一个 TreeNode 字段，该字段也是一个类，其总定义了

                     char key;
		Map<Character, TreeNode> subNodes;
		boolean alsoLeaf;

该定义是一个递归的数据结构结构。

程序首先是通过下面的语句

CharNode cn = dic.get(line.charAt(0));

找到dic 中的 CharNode，dic即为加载chars.dct后的dct。 其后开始逐渐的对CharNode填充，最后填充成这样的一种形式：所有同一个字开始的词语被放入到同一个CharNode中，而该规则是递归的，所有第二个词一样的也被列在同一个hashmap中，之后是第三个...依次类推下去。

这样构成了一个Character-CharNode的树状词典结构，在进行最大模式匹配时提升很大的效率。

以上的叙述有些粗浅。