This topic created in 3053 days ago, the information mentioned may be changed or developed.
VicWord 一个纯 php 的分词
（顺便安利一下：本人从帝都回来，打算找个兼职 。如果你们正好缺个前端 或者 php 后端 不妨联系我。微信：dongxi828 ）
star 地址 https://github.com/lizhichao/VicWord
分词说明
- 含有 3 种切分方法
getWord长度优先切分 。最快getShortWord细粒度切分。比最快慢一点点getAutoWord自动切分 (在相邻词做了递归) 。效果最好
- 可自定义词典，自己添加词语到词库，词库支持文本格式
json和二级制格式igb二进制格式词典小，加载快 dict.igb含有 175662 个词- 三种分词结果对比
$fc = new VicWord('igb');
$arr = $fc->getWord('北京大学生喝进口红酒，在北京大学生活区喝进口红酒');
//北京大学|生喝|进口|红酒|，|在|北京大学|生活区|喝|进口|红酒
//$arr 是一个数组 每个单元的结构[词语,词语位置,词性,这个词语是否包含在词典中] 这里只值列出了词语
$arr = $fc->getShortWord('北京大学生喝进口红酒，在北京大学生活区喝进口红酒');
//北京|大学|生喝|进口|红酒|，|在|北京|大学|生活|区喝|进口|红酒
$arr = $fc->getAutoWord('北京大学生喝进口红酒，在北京大学生活区喝进口红酒');
//北京|大学生|喝|进口|红酒|，|在|北京大学|生活区|喝|进口|红酒
//准确度对比
//q 的分词和百度的分 http://nlp.qq.com/semantic.cgi#page2 http://ai.baidu.com/tech/nlp/lexical
分词速度
机器阿里云 Intel(R) Xeon(R) Platinum 8163 CPU @ 2.50GHz
getWord 每秒 140w 字
getShortWord 每秒 138w 字
getAutoWord 每秒 40w 字
测试文本在百度百科拷贝的一段 5000 字的文本
制作词库
- 词库支持 utf-8 的任意字符
- 词典大小不影响 分词速度
VicDict->add(词语,词性 = null)
demo
 |
1
dishuibaby Dec 27, 2017
mark 一下
|
 |
2
server Dec 27, 2017
1024，😀
|
 |
3
qianmeng Dec 27, 2017 via Android
这个很厉害啊
|
 |
4
eseeker Dec 27, 2017 via Android
好东西要赞一个。谢谢分享！
|
 |
5
gdtv Dec 27, 2017
感谢，正好需要
|
|
6
gdtv Dec 27, 2017
试了一下
广东省广州市解放路 24 号越秀公园 结果： 广东省,广州市,解放,路 24 号越秀,公园 感谢楼主，正好可以用到我现在的项目里。 |
 |
7
assad Dec 27, 2017 via Android
赞一个
|
|
8
gdtv Dec 27, 2017
能否区分词性，例如“的、地、得”是助词，“红酒”是名词
|
 |
10
babytomas Dec 27, 2017
可以配合你这个做本地翻译引擎耶。
|
 |
11
predator Dec 27, 2017
棒棒哒非常好
|
 |
12
ORZRRR Dec 27, 2017
支持下，这玩意核心在词典，希望大家可以开源一起维护完善词典？已经人工给一个星星
|
 |
13
LeungJZ Dec 27, 2017
支持支持。已 star。
|
 |
14
kn007 Dec 27, 2017
nice，支持
|
 |
15
x86 Dec 27, 2017
好东西
|
 |
16
Sornets Dec 27, 2017
厉害了，star+1
|
 |
17
lyz745704689 Dec 27, 2017
有一个个人项目，目前安卓已经上架，ios 在开发中，不知道楼主有兴趣没有，已经加您微信了
|
 |
18
rebill Dec 27, 2017
看来切词的准确性在于词典
|
 |
19
pkm Dec 27, 2017
结婚|的|和尚|未结婚的
|
|
20
pkm Dec 27, 2017
楼主棒棒哒，细粒度挺准确的
|
 |
21
aksoft Dec 27, 2017
php 是最好的语言
|
 |
22
imNull Dec 27, 2017
fork 了楼主的，简单改了改支持 composer： https://github.com/xu42/VicWord
|
|
24
qianmeng Dec 27, 2017 via Android
刚才试了一下，感觉词库的大小限制了分词效果，看来智能程序的阅读量也很重要啊
|
 |
25
singer PRO 哇塞，好厉害啊
|
 |
26
heybuddy Dec 27, 2017 via Android
老兄 666
|
 |
27
mingyun Dec 27, 2017
@imNull 安装提示
[InvalidArgumentException] Could not find a matching version of package xu42/vic-word. Check the packa ge spelling, your version constraint and that the package is available in a stability which matches your minimum-stability (stable). |
 |
28
arsom Dec 28, 2017 via iPhone
mark
|
 |
29
polymerdg Dec 28, 2017
mark
|
 |
32
TangMonk Dec 28, 2017 via Android
每个单独的 http 请求都要重新加载词库吗？
|
 |
35
mumu Dec 28, 2017
mark
|
 |
36
Outshine Dec 29, 2017
好东西，已 star
|
 |
37
leon1900 Dec 29, 2017
棒
|
 |
38
wbz93815 Dec 30, 2017
好东西，收藏下。
|
 |
39
artandlol Jun 14, 2018
安装完一直提示故障，composer 和 git 的方式都有问题。
PHP Fatal error: Uncaught Error: Call to undefined function Lizhichao\Word\igbinary_unserialize() in /data/web/vendor/lizhichao/word/Lib/VicWord.php:31 |
Select Language