PHP 中文分詞包：phpSplit

phpSplit 是一個基于php開發的中文分詞庫。

居于Unicode編碼詞典的php分詞器

• 只適用于php5，必要函數 iconv

• 本程序是使用RMM逆向匹配算法進行分詞的，詞庫需要特別編譯，本類里提供了 MakeDict() 方法

• 簡單操作流程： SetSource -> StartAnalysis -> GetResult

• 對主詞典使用特殊格式進行編碼, 不需要載入詞典到內存操作

使用

• 首先 確保使用php為5.3+

• 安裝composer

composer install

require __DIR__ .'/vendor/autoload.php';
$split = new Split();
var_dump( $split->simple("您好 phpSplit"));
$this->assertTrue(True);

array(3) {
  [0] =>
  string(0) ""
  [1] =>
  string(6) "您好"
  [2] =>
  string(8) "phpSplit"
}

分詞結果后綴說明

名詞n、時間詞t、處所詞s、方位詞f、數詞m、量詞q、區別詞b、代詞r、動詞v、形容詞a、狀態詞z、副詞d、介詞p、連詞c、助詞u、語氣詞y、嘆詞e、擬聲詞o、成語i、習用語l、簡稱j、前接成分h、后接成分k、語素g、非語素字x、標點符號w

同事增加了以下3類標記 *專有名詞的分類標記，即人名nr，地名ns，團體機關單位名稱nt，其他專有名詞nz； *語素的子類標記，即名語素Ng，動語素Vg，形容語素Ag，時語素Tg，副語素Dg等； *動詞和形容詞的子類標記，即名動詞vn（具有名詞特性的動詞），名形詞an（具有名詞特性的形容詞），副動詞vd（具有副詞特性的動詞），副形詞ad（具有副詞特性的形容詞）

合計約40個左右。

項目主頁：http://www.baiduhome.net/lib/view/home/1448200861473