Skip to content

Commit

Permalink
add php7 support info to doc
Browse files Browse the repository at this point in the history
  • Loading branch information
dongyado committed Sep 6, 2017
1 parent dd63922 commit dd7058f
Showing 1 changed file with 18 additions and 12 deletions.
30 changes: 18 additions & 12 deletions README.md
Original file line number Diff line number Diff line change
@@ -1,19 +1,20 @@
# 关于Friso

Friso是使用c语言开发的一款开源的高性能中文分词器,使用流行的mmseg算法实现。完全基于模块化设计和实现,可以很方便的植入其他程序中,例如:MySQL,PHP,源码无需修改就能在各种平台下编译使用,加载完20万的词条,内存占用稳定为14.5M.
Friso 是使用 c 语言开发的一款开源的高性能中文分词器,使用流行的mmseg算法实现。完全基于模块化设计和实现,可以很方便的植入其他程序中,
例如:MySQL,PHP,源码无需修改就能在各种平台下编译使用,加载完 20 万的词条,内存占用稳定为 14.5M.


+ 同时支持对UTF-8/GBK编码的切分,绑定了php扩展和sphinx token插件
+ 同时支持对 UTF-8/GBK 编码的切分,支持 php5 和 php7 扩展和 sphinx token 插件

+ 三种切分模式:

- 简易模式:FMM算法,适合速度要求场合。
- 复杂模式- MMSEG四种过滤算法,具有较高的岐义去除,分词准确率达到了98.41%。
- 简易模式:FMM 算法,适合速度要求场合。
- 复杂模式- MMSEG 四种过滤算法,具有较高的岐义去除,分词准确率达到了98.41%。
- (!New)检测模式:只返回词库中已有的词条,很适合某些应用场合。(1.6.1版本开始)

请参考本算法的原作:http:https://technology.chtsai.org/mmseg/。

+ 支持自定义词库。在dict文件夹下,可以随便添加/删除/更改词库和词库词条,并且对词库进行了分类。
+ 支持自定义词库。在 dict 文件夹下,可以随便添加/删除/更改词库和词库词条,并且对词库进行了分类。

+ 简体/繁体/简体混合支持, 可以方便的针对简体,繁体或者简繁体切分。同时还可以以此实现简繁体的相互检索。

Expand All @@ -23,19 +24,19 @@ Friso是使用c语言开发的一款开源的高性能中文分词器,使用

+ (!New)自定义保留标点:你可以自定义保留在切分结果中的标点,这样可以识别出一些复杂的组合,例如:c++, k&r,code.google.com。

+ (!New)复杂英文切分的二次切分:默认Friso会保留数字和字母的原组合,开启此功能,可以进行二次切分提高检索的命中率。例如:qq2013会被切分成:qq/ 2013/ qq2013。
+ (!New)复杂英文切分的二次切分:默认 Friso 会保留数字和字母的原组合,开启此功能,可以进行二次切分提高检索的命中率。例如:qq2013会被切分成:qq/ 2013/ qq2013。

+ 支持阿拉伯数字/小数基本单字单位的识别,例如2012年,1.75米,5吨,120斤,38.6℃。

+ 自动英文圆角/半角,大写/小写转换。

+ 同义词匹配:自动中文/英文同义词追加. (需要在friso.ini中开启friso.add_syn选项)。
+ 同义词匹配:自动中文/英文同义词追加. (需要在 friso.ini 中开启 friso.add_syn 选项)。

+ 自动中英文停止词过滤。(需要在friso.ini中开启friso.clr_stw选项)。
+ 自动中英文停止词过滤。(需要在 friso.ini 中开启 friso.clr_stw 选项)。

+ 多配置支持, 安全的应用于多进程/多线程环境。

+ 提供friso.ini配置文件, 可以依据你的需求轻松打造适合于你的应用的分词。
+ 提供 friso.ini 配置文件, 可以依据你的需求轻松打造适合于你的应用的分词。


# 分词速度
Expand All @@ -52,16 +53,21 @@ Friso是使用c语言开发的一款开源的高性能中文分词器,使用
测试文本:

~~~text
歧义和同义词:研究生命起源,混合词: 做B超检查身体,x射线本质是什么,今天去奇都ktv唱卡拉ok去,哆啦a梦是一个动漫中的主角,单位和全角: 2009年8月6日开始大学之旅,岳阳今天的气温为38.6℃, 也就是101.48℉, 英文数字: bug report [email protected] or visit http:https://code.google.com/p/jcseg, we all admire the hacker spirit!特殊数字: ① ⑩ ⑽ ㈩.
歧义和同义词:研究生命起源,混合词: 做B超检查身体,x射线本质是什么,今天去奇都ktv唱卡拉ok去,哆啦a梦是一个动漫中的主角,
单位和全角: 2009年8月6日开始大学之旅,岳阳今天的气温为38.6℃, 也就是101.48℉, 英文数字: bug report [email protected] or
visit http:https://code.google.com/p/jcseg, we all admire the hacker spirit!特殊数字: ① ⑩ ⑽ ㈩.
~~~
分词结果:

~~~text
歧义 和 同义词 : 研究 琢磨 研讨 钻研 生命 起源 , 混合词 : 做 b超 检查 身体 , x射线 本质 是 什么 , 今天 去 奇都ktv 唱 卡拉ok 去 , 哆啦a梦 是 一个 动漫 中 的 主角 , 单位 和 全角 : 2009年 8月 6日 开始 大学 之旅 , 岳阳 今天 的 气温 为 38.6℃ , 也就是 101.48℉ , 英文 英语 数字 : bug report example gmail com [email protected] or visit http : / / code google com code.google.com / p / jcseg , we all admire appreciate like love enjoy the hacker spirit mind ! 特殊 数字 : ① ⑩ ⑽ ㈩ .
歧义 和 同义词 : 研究 琢磨 研讨 钻研 生命 起源 , 混合词 : 做 b超 检查 身体 , x射线 本质 是 什么 , 今天 去 奇都ktv 唱 卡拉ok 去 ,
哆啦a梦 是 一个 动漫 中 的 主角 , 单位 和 全角 : 2009年 8月 6日 开始 大学 之旅 , 岳阳 今天 的 气温 为 38.6℃ , 也就是 101.48℉ ,
英文 英语 数字 : bug report example gmail com [email protected] or visit http : / / code google com code.google.com / p / jcseg ,
we all admire appreciate like love enjoy the hacker spirit mind ! 特殊 数字 : ① ⑩ ⑽ ㈩ .
~~~

# 开发文档

请参考git项目下的friso-help-doc.pdf
请参考 git 项目下的 friso-help-doc.pdf

0 comments on commit dd7058f

Please sign in to comment.