什么是 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.
要了解 mmseg 分词算法,请点击 mmseg
friso 的特性
-
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%。
- (!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)
-
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。
-
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。
-
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。
-
(!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。
-
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)。
-
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。
分词速度
测试环境:2.8GHZ/2G/Ubuntu
简单模式:3.8M/秒
复杂模式:1.8M/秒
friso 支持的客户端
开发 friso 的最初目的就是为 php 提供一个高性能的中文分词器,所以对 php 的支持是最好的。
现已支持:
- 命令行查询
- php5 扩展
- php7 扩展(2017-08-18开始支持)
- sphinx