大部分企业对文档的管理只是停留在简单的图片人工归类和查询，这样耗费了大量的人力。尤其是对于数据密集型的企业，急需通过优化所有文档驱动的业务流程来降低文档管理成本。 云脉文档管理基于超高识别率的OCR识

opennlp的categorize方法需要自己先切词好，单独调用不是很方便，不过如果是基于pipeline设计的，也可以理解，在pipeline前面先经过切词等操作。本文仅仅是使用官方的测试源码来做介绍，读者可以下载个中文分类文本训练集来训练，然后对中文文本进行分类。