Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
High performance Chinese tokenizer with both GBK and UTF-8 charset support based on MMSEG algorithm developed by ANSI C. Completely based on modular implementation and can be easily embedded in other programs, like: MySQL, PostgreSQL, PHP, etc.
| Date | Stars |
|---|---|
| 2026-07-24 | 509 |
| 2026-07-25 | 509 |
| 2026-07-28 | 509 |
| 2026-07-30 | 509 |
| 2026-08-06 | 509 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# **Friso**是什么？ 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：MySQL，PHP，并且提供了php5, php7, ocaml, lua的插件实现。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**核心功能： - [x] 中文分词：mmseg算法 + **Friso** 独创的优化算法，四种切分模式。 - [ ] 关键字提取：基于textRank算法。 - [ ] 关键短语提取：基于textRank算法。 - [ ] 关键句子提取：基于textRank算法。 # **Friso**中文分词： ### 四种切分模式： - [x] 简易模式：FMM 算法，适合速度要求场合。 - [x] 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%。 - [x] 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)。 - [ ] 最多模式：细粒度切分，专为检索而生，除了中文处理外（不具备中文的人名，数字识别等智能功能）其他与复杂模式一致（英文，组合词等）。 ### 分词功能特性： - [x] 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。 - [x] 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。 - [x] 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。 - [x] 支持中英/英中混合词的识别(维护词库可以识别任何一种组合)。例如：卡拉ok, 漂亮mm, c语言，IC卡，哆啦a梦。 - [x] 很好的英文支持，英文标点组合词识别, 例如c++, c#, 电子邮件，网址，小数，百分数。 - [x] 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&r，code.google.com。 - [x] 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。 - [x] 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℃。 - [x] 自动英文圆角/半角，大写/小写转换。 - [x] 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)。 - [x] 自动中英文停止词过滤。(需要在 friso.ini 中开启 friso.clr_stw 选项)。 - [x] 多配置支持, 安全的应用于多进程/多线程环境。 # **Friso**快速体验： #### 终端测试： 1. cd到 **Friso**根目录。 2. make 3. 运行：./src/friso -init ./friso.ini 4. 你将看到类似如下的终端界面 5. 在光标处输入文本开始测试 ``` Initialized in 0.088911sec Mode: Complex +-Version: 1.6.2 (UTF-8) +---------------------------------------------------------------+ | Friso - a Chinese word segmentation writen by c. | | bug report email - [email protected]. | | or: visit https://github.com/lionsoul2014/friso. | | java edition for https://github.com/lionsoul2014/jcseg | | type 'quit' to exit the program. | +---------------------------------------------------------------+ friso>> ``` #### 测试样板： ##### 分词文本 ~~~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℉, 英文数字: bug report [email protected] 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 [email protected] 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 : . ~~~ # Friso安装 ### Linux: cd到friso的根目录，运行： ```shell make sudo make install # for testing make testing ``` 备注：如果是 64 位的系统，请将/usr/lib/libfriso.so 拷贝一份到/usr/lib64 中 ### Winnt: 1. 使用 VS 编译得到 dll 和 lib 文件，具体可以参考 Friso 讨论：http://www.oschina.net/question/853816_135216 2. 使用 cygwin 从源码编译； 删除原有的 Makefile, 更改 Makefile.cygwin 为 Makefile, 打开 cygwin 的终端，cd 到 Friso 的 src 目录，运行: ```shell make ``` 备注：在Friso的src目录下即可得到friso.exe和friso.dll文件。 # Friso配置 Friso 要做的配置工作很简单，找到 friso.ini 配置文件, 使用文本编辑器打开即可 ### 配置说明： ``` # friso configuration file. # do not change the name of the left key. # @email [email protected] # @date 2012-12-20 # # charset, only UTF8 and GBK support. # set it with UTF8(0) or GBK(1) friso.charset = 0 # lexicon directory absolute path. # the value must end with '/' # this will tell friso how to find friso.lex.ini configuration file and all the lexicon files. # # if it is not start with '/' for linux, or matches no ':' for winnt in its value # friso will search the friso.lex.ini relative to friso.ini # absolute path search: # linux: friso.lex_dir = /c/products/friso/dict/UTF-8/ # Winnt: friso.lex_dir = D:/products/friso/dict/UTF-8/ # relative path search (All system) friso.lex_dir = ./vendors/dict/UTF-8/ # the maximum matching length. friso.max_len = 5 # 1 for recognition chinese name. # and 0 for closed it. friso.r_name = 1 # the maximum
Excerpt of 9,874 characters
Read on GitHub
117
23
3
1
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:e57208d78a7db265, topic:tokenizer, desc:tokenizer