从原始文本中，自动构建词库，目前只适用于中文。参考：
http://www.matrix67.com/blog/archives/5044
###成词条件
- 互信息
- 左右熵
- 位置成词概率
- ngram 频率
###运行方法 见Main.java，输入参数为原始文本文件路径。 输出为words_sort.data，抽取出来的词，可根据阈值进行调整。
###TODO
- 单机支持100G+数据集的抽取。
- 整理代码
- 训练英文语料
###示例
####《金瓶梅》抽取结果
西门庆 4754 6.727920454563199 2.0315193024276885 0.17472535684926388
月娘 1829 6.491853096329675 2.3714166640957095 0.22135096835144072
敬济 906 9.084808387804362 2.554594603718855 0.14485683987274656
春梅 799 8.134426320220927 2.7880175589451714 0.16484505593416485
玳安 796 8.228818690495881 2.865686193737731 0.11791820110723605
后边 617 6.6293566200796095 4.008365154080131 0.2160373686259245
玉楼 594 7.977279923499917 2.27346284978306 0.27518689925240297
明日 580 6.189824558880018 2.705423396095033 0.1774535638537181
两银子 458 6.129283016944967 2.351100547282295 0.3809078896437581
小厮 454 7.257387842692652 3.945653525477103 0.16666666666666666
打发 444 6.870364719583405 3.694604352707633 0.18409496065046307
如今 410 6.643856189774725 2.1460777430093394 0.1780766096169519
淫妇 382 7.768184324776926 3.277903508489837 0.2555205047318612
桂姐 371 7.584962500721156 2.5922046565140424 0.36255305256284687
老婆 331 6.266786540694902 3.5783015008688523 0.3758007117437722
衣服 309 8.90388184573618 2.786139685416002 0.13284518828451883
丫头 297 7.383704292474053 4.291010086795063 0.21875
潘金莲 288 8.276124405274238 2.4955186567189194 0.35333669524289796
昨日 285 6.857980995127572 2.6387249970833997 0.1774535638537181
王婆 284 7.1799090900149345 2.3129267619188907 0.3758007117437722####《西游记》抽取结果
八戒 1807 7.88874324889826 2.00952580557629 0.36441586280814575
师父 1632 7.507794640198696 3.745294449785798 0.1371395690812608
大圣 1270 6.599912842187128 2.7790919785432147 0.13128460061010055
唐僧 1003 7.076815597050832 4.350465172292435 0.43277723258096173
菩萨 765 9.471675214392045 3.6013747138664756 0.15910495734948696
妖精 634 7.199672344836364 3.1817261900583627 0.13134411600669268
徒弟 439 8.060695931687555 2.498555429145656 0.15553809897879026
兄弟 284 7.845490050944376 2.93037668783551 0.16085578446909668
宝贝 283 9.319672120946995 2.616164396748633 0.15108220492589827
今日 282 6.714245517666122 2.1303069812971214 0.1774535638537181
取经 263 7.539158811108032 2.663944888382171 0.10181178023912565
如今 259 6.189824558880018 2.056188859866133 0.1780766096169519
认得 223 6.357552004618085 2.9543379335926954 0.2326782564877803
东土 212 8.422064766172811 3.326253983395916 0.14745277618775043
孙大圣 202 6.022367813028454 2.4886576514017107 0.13128460061010055
变作 189 7.554588851677638 3.0713596792578635 0.23452975920036348
玉帝 189 8.912889336229961 2.973106046717708 0.27518689925240297
土地 179 7.499845887083206 3.1206506190132566 0.2819944064037033
欢喜 173 8.861086905995393 2.184918471204895 0.31727272727272726
贫僧 170 7.400879436282184 2.0731236036504477 0.43277723258096173