Friso中文分词器-其他

【文件属性】：
文件名称：Friso中文分词器-其他
文件大小：1.71MB
文件格式：ZIP
更新时间：2021-06-12 12:54:42
Friso 中文分词 中文分词算法 分词系统 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，并且提供了php5，php7，ocaml，lua的插件实现。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核心功能： 中文分词：mmseg算法 + Friso 独创的优化算法，四种切分模式。 关键字提取：基于textRank算法。 关键短语提取：基于textRank算法。 关键句子提取：基于textRank算法。 四种切分模式： 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%。 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)。 最多模式：细粒度切分，专为检索而生，除了中文处理外（不具备中文的人名，数字识别等智能功能）其他与复杂模式一致（英文，组合词等）。 功能特性： 1、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。 2、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。 3、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。 4、支持中英/英中混合词的识别(维护词库可以识别任何一种组合)。例如：卡拉ok，漂亮mm，c语言，IC卡，哆啦a梦。 5、很好的英文支持，英文标点组合词识别，例如c++，c#，电子邮件，网址，小数，百分数。 6、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。 7、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。 8、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℃。 9、自动英文圆角/半角，大写/小写转换。 10、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)。 11、自动中英文停止词过滤。(需要在 friso.ini 中开启 friso.clr_stw 选项)。 12、多配置支持，安全的应用于多进程/多线程环境。