開源php中文分詞系統(tǒng)SCWS安裝和使用實(shí)例
一、SCWS簡介
SCWS 是 Simple Chinese Word Segmentation 的首字母縮寫（即：簡易中文分詞系統(tǒng)）。
這是一套基于詞頻詞典的機(jī)械式中文分詞引擎，它能將一整段的中文文本基本正確地切分成詞。 詞是中文的最小語素單位，但在書寫時(shí)并不像英語會(huì)在詞之間用空格分開， 所以如何準(zhǔn)確并快速分詞一直是中文分詞的攻關(guān)難點(diǎn)。
SCWS 采用純 C 語言開發(fā)，不依賴任何外部庫函數(shù)，可直接使用動(dòng)態(tài)鏈接庫嵌入應(yīng)用程序， 支持的中文編碼包括 GBK、UTF-8 等。此外還提供了 PHP 擴(kuò)展模塊， 可在 PHP 中快速而方便地使用分詞功能。
分詞算法上并無太多創(chuàng)新成分，采用的是自己采集的詞頻詞典，并輔以一定的專有名稱，人名，地名， 數(shù)字年代等規(guī)則識(shí)別來達(dá)到基本分詞，經(jīng)小范圍測試準(zhǔn)確率在 90% ~ 95% 之間， 基本上能滿足一些小型搜索引擎、關(guān)鍵字提取等場合運(yùn)用。首次雛形版本發(fā)布于 2005 年底。
SCWS 由 hightman 開發(fā)， 并以 BSD 許可協(xié)議開源發(fā)布，源碼托管在 github。
二、scws安裝
# 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
三、scws的PHP擴(kuò)展安裝
# 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
四、詞庫安裝
# 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
五、php實(shí)例代碼?？梢栽敿?xì)看下SCWS官方API說明
//實(shí)例化分詞插件核心類
$so = scws_new();
//設(shè)置分詞時(shí)所用編碼
$so->set_charset('utf-8');
//設(shè)置分詞所用詞典(此處使用utf8的詞典)
$so->set_dict('/usr/local/scws/etc/dict.utf8.xdb');
//設(shè)置分詞所用規(guī)則
$so->set_rule('/usr/local/scws/etc/rules.utf8.ini ');
//分詞前去掉標(biāo)點(diǎn)符號(hào)
$so->set_ignore(true);
//是否復(fù)式分割，如“中國人”返回“中國＋人＋中國人”三個(gè)詞。
$so->set_multi(true);
//設(shè)定將文字自動(dòng)以二字分詞法聚合
$so->set_duality(true);
//要進(jìn)行分詞的語句
$so->send_text(“歡迎來到火星時(shí)代IT開發(fā)”);
//獲取分詞結(jié)果，如果提取高頻詞用get_tops方法
while ($tmp = $so->get_result())
{
print_r($tmp);
}
$so->close();
返回?cái)?shù)組結(jié)果說明：
word _string_ 詞本身
idf _float_ 逆文本詞頻
off _int_ 該詞在原文本路的位置
attr _string_ 詞性
六、在線API
也可以使用在線API實(shí)現(xiàn)中文分詞,API地址：http://www.xunsearch.com/scws/api.php，詳細(xì)說明也在地址中。
相關(guān)文章
最近要給一個(gè)shopnc網(wǎng)站開啟偽靜態(tài)，用的是shopnc b2b2c，在網(wǎng)上搜索了好多shopnc開啟偽靜態(tài)的方法，但都是針對(duì)shaopnc c2c的，沒有關(guān)于shopnc b2b2c的，最后終于找到了shopnc b2b2c怎么開啟偽靜態(tài)。2014-10-10
laravel unique驗(yàn)證、確認(rèn)密碼confirmed驗(yàn)證以及密碼修改驗(yàn)證的方法
這篇文章主要介紹了laravel unique驗(yàn)證、確認(rèn)密碼confirmed驗(yàn)證以及密碼修改驗(yàn)證的方法，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
PHP實(shí)現(xiàn)的簡單三角形、矩形周長面積計(jì)算器分享
這篇文章主要介紹了PHP實(shí)現(xiàn)的簡單三角形、矩形周長面積計(jì)算器分享,本文的實(shí)現(xiàn)相對(duì)較簡單,同時(shí)提供了代碼文件下載,需要的朋友可以參考下2014-11-11
這篇文章主要給大家介紹了關(guān)于php圖片縮放和裁剪的相關(guān)資料,主要利用的是imagecopyresampled(),文中通過實(shí)例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2022-02-02
這篇文章主要介紹了thinkphp3.x中session方法,全面分析了thinkPHP中session的初始化、設(shè)置、賦值、刪除、管理等各種常用操作技巧,需要的朋友可以參考下2016-05-05
這篇文章主要為大家詳細(xì)介紹了ThinkPHP實(shí)現(xiàn)分頁功能的相關(guān)代碼，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-04-04
這篇文章主要給大家介紹了關(guān)于Laravel學(xué)習(xí)教程之View模塊的相關(guān)資料，文中通過示例代碼將View模塊介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧。2017-09-09
批量添加這個(gè)操作，在實(shí)際開發(fā)中經(jīng)常用得到，今天小編抽空給大家整理些有關(guān)yii2批量添加的問題，感興趣的朋友一起看看吧2016-05-05
飛信好友免費(fèi)短信API接口PHP開源版，支持群發(fā)功能。2010-07-07
php對(duì)接java現(xiàn)實(shí)加簽驗(yàn)簽的實(shí)例
下面小編就為大家?guī)硪黄猵hp對(duì)接java現(xiàn)實(shí)加簽驗(yàn)簽的實(shí)例。小編覺得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2016-11-11