Friso-1.6.0 发布 - C语言高性能中文分词器,GBK支持
来源:互联网 发布:杨百万软件多少钱 编辑:程序博客网 时间:2024/05/01 19:26
Friso是使用c语言开发的u一款开源中文分词器,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,并且提供了一个php的扩展: robbe. 同时支持对UTF-8/GBK编码的切分.
Friso-1.6.0:
1. friso_stirng.c#utf8_decimal_string初始化bytes = 0, 去除WinNT的Run-Time Check Failed.
2. 复杂英文和数字组合的二次切分.
Friso认为数字和字母组合在一起肯定有其特殊的含义,所以要保留。同时这个功能可以避免检索命中率的下降。例如: QQ2013会被切分成: qq2013, qq, 2013, chenxin619315@gmail.com会被切分成:chenxin/ 619315/ gmail/ com/ chenxin619315@gmail.com
3. GBK编码支持.(Friso-1.6.0后,词库分为UTF-8和GBK版本).
出于实际应用的考虑,编码支持被设计为全局的,也就是创建Friso的时候就必须制定编码。如果你的项目有出现要同时支持GBK和UTF-8的情况,可以创建一个GBK的Friso和一个UTF-8的Friso。
4. 增加了friso.ini中自定义保留标点, 去除了默认对"^,/,-,'"等标点的保留。
有利于自定义去识别一些复杂词条,例如:c++, k&r。
5. 使用掩码操作控制变量来代替了原来的多个控制变量.
6. 切分结果friso_hits_t中增加了对词条类别和词条长度的返回,纠正了offset的误差。
7. 做了一些优化,例如:同义词的追加(普通/sphinx定义)复杂的判断逻辑,改为了使用掩码状态控制,不仅减少了代码量还提高了执行效率。
8. 更多的返回信息,增加了对切分词条的类别,长度,真实长度,词性(待实现)等信息的返回。
同时很遗憾的 @海盗船长.pk 这个版本中没能真正的实现词性标注。
9. 增加了安装中头文件的自动拷贝(usr/include/friso),可以通过include <friso/xx.h>来引用头文件。
Friso官方网站:http://code.google.com/p/friso/
Friso源码托管:http://git.oschina.net/lionsoul/friso
感谢网友的关注和反馈,祝您工作愉快。。。
- Friso-1.6.0 发布 - C语言高性能中文分词器,GBK支持
- friso-1.6.1 发布 - C语言高性能中文分词器-检测模式切分
- friso中文分词器
- friso中文分词器
- 【文本分类】friso中文分词器介绍(c 开源)
- Robbe-1.6.0 发布 - PHP开源中文分词扩展, GBK支持
- friso分词器的应用
- C++ NLPIR+FRISO 项目的中文分词功能添加
- 中文分词器性能比较
- 中文分词器性能比较
- 高性能c语言编码
- friso分词器在windows7下使用mingw编译和测试
- 让Nutch支持中文分词
- 让Nutch支持中文分词
- 中科院中文分词C语言接口调用示例
- 如何用C语言(VisualStudio)调用NLPIR进行中文分词
- 中文分词高亮问题
- 高阶HMM中文分词
- Mongodb与Mysql的查询脚本操作对比
- Android自定义按钮实现长按功能
- VS2012 编译程序时报无法加载PDB文件错误解决方案
- 12
- HTTP协议详解
- Friso-1.6.0 发布 - C语言高性能中文分词器,GBK支持
- 岁末年初,2013随笔
- 重装win8出现“输入的产品密钥与用于安装的任何可用windows映像都不匹配”问题解决方案
- linux下getevent
- c# 读取本地数据库数据,写到远程数据库中
- 【二分图匹配】hdu 1281 棋盘游戏
- 损失函数-经验风险最小化-结构风险最小化
- ECC加密算法入门介绍
- Vector与ArrayList的区别