PHPAnalysis中文分詞類詳解

2020-03-22 18:16:42

字體：大中小

供稿：網(wǎng)友

PHPAnalysis是目前廣泛使用的中文分詞類，使用反向匹配模式分詞，因此兼容編碼更廣泛，現(xiàn)將其變量與常用函數(shù)詳解如下：一、比較重要的成員變量$resultType = 1 生成的分詞結(jié)果數(shù)據(jù)類型(1 為全部， 2為詞典詞匯及單個(gè)中日韓簡(jiǎn)繁字符及英文， 3 為詞典詞匯及英文)
這個(gè)變量一般用 SetResultType( $rstype ) 這方法進(jìn)行設(shè)置。
$notSplitLen = 5 切分句子最短長(zhǎng)度
$toLower = false 把英文單詞全部轉(zhuǎn)小寫
$differMax = false 使用最大切分模式對(duì)二元詞進(jìn)行消岐
$unitWord = true 嘗試合并單字(即是新詞識(shí)別)
$differFreq = false 使用熱門詞優(yōu)先模式進(jìn)行消岐二、主要成員函數(shù)列表1、html' target='_blank'>public function __construct($source_charset='utf-8', $target_charset='utf-8', $load_all=true, $source='')
函數(shù)說明：構(gòu)造函數(shù)
參數(shù)列表：
$source_charset 源字符串編碼
$target_charset 目錄字符串編碼
$load_all 是否完全加載詞典（此參數(shù)已經(jīng)作廢）
$source 源字符串
如果輸入輸出都是utf-8，實(shí)際上可以不必使用任何參數(shù)進(jìn)行初始化，而是通過 SetSource 方法設(shè)置要操作的文本2、public function SetSource( $source, $source_charset='utf-8', $target_charset='utf-8' )
函數(shù)說明：設(shè)置源字符串
參數(shù)列表：
$source 源字符串
$source_charset 源字符串編碼
$target_charset 目錄字符串編碼
返回值：bool3、public function StartAnalysis($optimize=true)
函數(shù)說明：開始執(zhí)行分詞操作
參數(shù)列表：
$optimize 分詞后是否嘗試優(yōu)化結(jié)果
返回值：void
一個(gè)基本的分詞過程：
//////////////////////////////////////
$pa = new PhpAnalysis();$pa- SetSource('需要進(jìn)行分詞的字符串');//設(shè)置分詞屬性
$pa- resultType = 2;
$pa- differMax = true;$pa- StartAnalysis();//獲取你想要的結(jié)果
$pa- GetFinallyIndex();
////////////////////////////////////////4、public function SetResultType( $rstype )
函數(shù)說明：設(shè)置返回結(jié)果的類型
實(shí)際是對(duì)成員變量$resultType的操作
參數(shù) $rstype 值為：
1 為全部， 2為詞典詞匯及單個(gè)中日韓簡(jiǎn)繁字符及英文， 3 為詞典詞匯及英文
返回值：void5、public function GetFinallyKeywords( $num = 10 )
函數(shù)說明：獲取出現(xiàn)頻率最高的指定詞條數(shù)（通常用于提取文檔關(guān)鍵字）
參數(shù)列表：
$num = 10 返回詞條個(gè)數(shù)
返回值：用","分隔的關(guān)鍵字列表6、public function GetFinallyResult($spword=' ')
函數(shù)說明：獲得最終分詞結(jié)果
參數(shù)列表：
$spword 詞條之間的分隔符
返回值：string7、public function GetSimpleResult()
函數(shù)說明：獲得粗分結(jié)果
返回值：array8、public function GetSimpleResultAll()
函數(shù)說明：獲得包含屬性信息的粗分結(jié)果
屬性（1中文詞句、2 ANSI詞匯（包括全角），3 ANSI標(biāo)點(diǎn)符號(hào)（包括全角），4數(shù)字（包括全角），5 中文標(biāo)點(diǎn)或無法識(shí)別字符）
返回值：array9、public function GetFinallyIndex()
函數(shù)說明：獲取hash索引數(shù)組
返回值：array('word'= count,...) 按出現(xiàn)頻率排序10、public function MakeDict( $source_file, $target_file='' )
函數(shù)說明：把文本文件詞庫編譯成詞典
參數(shù)列表：
$source_file 源文本文件
$target_file 目標(biāo)文件(如果不指定，則為當(dāng)前詞典)
返回值：void11、public function ExportDict( $targetfile )
函數(shù)說明：導(dǎo)出當(dāng)前詞典全部詞條為文本文件
參數(shù)列表：
$targetfile 目標(biāo)文件
返回值：voidPHP教程

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。

上一篇：PHP實(shí)現(xiàn)分頁：文本分頁和數(shù)字分頁

下一篇：使用php計(jì)算排列組合的方法