mirror of
https://github.com/yanyiwu/cppjieba.git
synced 2025-07-18 00:00:12 +08:00
add segment speed info in README.md
This commit is contained in:
parent
eb233abbdd
commit
e11420159b
19
README.md
19
README.md
@ -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。
|
||||
|
||||
##Algorithm
|
||||
## 模块详解
|
||||
|
||||
### Trie树
|
||||
Trie.cpp/Trie.h 负责载入词典的trie树,主要供Segment模块使用。
|
||||
|
||||
### Segment模块
|
||||
|
||||
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。
|
||||
|
||||
### 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。
|
||||
|
||||
### HMMSegment模块
|
||||
|
||||
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。
|
||||
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
|
||||
如果有运行问题或者任何疑问,欢迎联系 : wuyanyi09@gmail.com
|
||||
|
||||
|
Loading…
x
Reference in New Issue
Block a user