源码网商城,靠谱的源码在线交易网站 我的订单 购物车 帮助

源码网商城

开源php中文分词系统SCWS安装和使用实例

  • 时间:2021-03-22 13:32 编辑: 来源: 阅读:
  • 扫一扫,手机访问
摘要:开源php中文分词系统SCWS安装和使用实例
[b]一、SCWS简介[/b] SCWS 是 Simple Chinese Word Segmentation 的首字母缩写(即:简易中文分词系统)。 这是一套基于词频词典的机械式中文分词引擎,它能将一整段的中文文本基本正确地切分成词。 词是中文的最小语素单位,但在书写时并不像英语会在词之间用空格分开, 所以如何准确并快速分词一直是中文分词的攻关难点。 SCWS 采用纯 C 语言开发,不依赖任何外部库函数,可直接使用动态链接库嵌入应用程序, 支持的中文编码包括 GBK、UTF-8 等。此外还提供了 PHP 扩展模块, 可在 PHP 中快速而方便地使用分词功能。 分词算法上并无太多创新成分,采用的是自己采集的词频词典,并辅以一定的专有名称,人名,地名, 数字年代等规则识别来达到基本分词,经小范围测试准确率在 90% ~ 95% 之间, 基本上能满足一些小型搜索引擎、关键字提取等场合运用。首次雏形版本发布于 2005 年底。 SCWS 由 hightman 开发, 并以 BSD 许可协议开源发布,源码托管在 github。 [b]二、scws安装[/b]
[u]复制代码[/u] 代码如下:
# wget -c http://www.xunsearch.com/scws/down/scws-1.2.1.tar.bz2 # tar jxvf scws-1.2.1.tar.bz2 # cd scws-1.2.1 # ./configure --prefix=/usr/local/scws # make && make install
[b]三、scws的PHP扩展安装[/b]
[u]复制代码[/u] 代码如下:
# cd ./phpext # phpize # ./configure --with-php-config=/usr/local/php5410/bin/php-config # make && make install # echo "[scws]" >> /usr/local/php5410/etc/php.ini # echo "extension = scws.so" >> /usr/local/php5410/etc/php.ini # echo "scws.default.charset = utf-8" >> /usr/local/php5410/etc/php.ini # echo "scws.default.fpath = /usr/local/scws/etc/" >> /usr/local/php5410/etc/php.ini
[b]四、词库安装[/b]
[u]复制代码[/u] 代码如下:
# wget http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2 # tar jxvf scws-dict-chs-utf8.tar.bz2 -C /usr/local/scws/etc/ # chown www:www /usr/local/scws/etc/dict.utf8.xdb
[b]五、php实例代码。可以详细看下SCWS官方API说明[/b]
[u]复制代码[/u] 代码如下:
//实例化分词插件核心类  $so = scws_new();  //设置分词时所用编码  $so->set_charset('utf-8');  //设置分词所用词典(此处使用utf8的词典)  $so->set_dict('/usr/local/scws/etc/dict.utf8.xdb');  //设置分词所用规则  $so->set_rule('/usr/local/scws/etc/rules.utf8.ini ');  //分词前去掉标点符号  $so->set_ignore(true);  //是否复式分割,如“中国人”返回“中国+人+中国人”三个词。  $so->set_multi(true);  //设定将文字自动以二字分词法聚合  $so->set_duality(true);  //要进行分词的语句  $so->send_text(“欢迎来到火星时代IT开发”);  //获取分词结果,如果提取高频词用get_tops方法  while ($tmp = $so->get_result())  {      print_r($tmp);  }  $so->close();
返回数组结果说明:
[u]复制代码[/u] 代码如下:
word   _string_ 词本身  idf        _float_ 逆文本词频  off         _int_ 该词在原文本路的位置  attr       _string_ 词性
[b]六、在线API [/b] 也可以使用在线API实现中文分词,API地址:http://www.xunsearch.com/scws/api.php,详细说明也在地址中。  
  • 全部评论(0)
联系客服
客服电话:
400-000-3129
微信版

扫一扫进微信版
返回顶部