add php7 support info to doc

This commit is contained in:
dongyado 2017-09-06 17:52:14 +08:00
parent dd63922a9f
commit dd7058f83d

View File

@ -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MySQLPHP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MySQLPHP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://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。
@ -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&rcode.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
@ -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 example@gmail.com or visit http://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 example@gmail.com or
visit http://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 example@gmail.com 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 example@gmail.com 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