third_codes/cppjieba
1
0
Fork 0
mirror of https://github.com/yanyiwu/cppjieba.git synced 2025-07-18 00:00:12 +08:00
Code Issues Packages Projects Releases Wiki Activity

add segment speed info in README.md

Browse Source
This commit is contained in:
wyy 2013-09-13 19:31:53 +08:00
parent eb233abbdd
commit e11420159b
1 changed files with 24 additions and 11 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

19
README.md
View File

@ -1,18 +1,24 @@
#CppJieba是"结巴"中文分词的c++库 #CppJieba是"结巴"中文分词的C++库
##Detail ## 中文编码
* 现在支持utf8,gbk编码的分词。默认编码是utf8。 * 现在支持utf8,gbk编码的分词。默认编码是utf8。
##Algorithm ## 模块详解
### Trie树 ### Trie树
Trie.cpp/Trie.h 负责载入词典的trie树，主要供Segment模块使用。 Trie.cpp/Trie.h 负责载入词典的trie树，主要供Segment模块使用。
### Segment模块 ### Segment模块
MPSegment.cpp/MPSegment.h MPSegment.cpp/MPSegment.h
(Maximum Probability)最大概率法:负责根据Trie树构建有向无环图和进行动态规划算法，是分词算法的核心。 (Maximum Probability)最大概率法:负责根据Trie树构建有向无环图和进行动态规划算法，是分词算法的核心。
### TransCode模块 ### TransCode模块
TransCode.cpp/TransCode.h 负责转换编码类型，将utf8和gbk都转换成`uint16_t`类型，也负责逆转换。 TransCode.cpp/TransCode.h 负责转换编码类型，将utf8和gbk都转换成`uint16_t`类型，也负责逆转换。
### HMMSegment模块 ### HMMSegment模块
HMMSegment.cpp/HMMSegment.h HMMSegment.cpp/HMMSegment.h
是根据HMM模型来进行分词，主要算法思路是根据(B,E,M,S)四个状态来代表每个字的隐藏状态。 是根据HMM模型来进行分词，主要算法思路是根据(B,E,M,S)四个状态来代表每个字的隐藏状态。
HMM模型由dicts/下面的`hmm_model.utf8`提供。 HMM模型由dicts/下面的`hmm_model.utf8`提供。
@ -106,6 +112,13 @@ example:
``` ```
## 分词速度
### MixSegment
分词速度大概是 65M / 78sec = 0.83M/sec
测试环境: `Intel(R) Xeon(R) CPU E5506 @ 2.13GHz`
## Contact ## Contact
如果有运行问题或者任何疑问，欢迎联系 : wuyanyi09@gmail.com 如果有运行问题或者任何疑问，欢迎联系 : wuyanyi09@gmail.com