mirror of
https://github.com/yanyiwu/cppjieba.git
synced 2025-07-18 00:00:12 +08:00
85 lines
2.0 KiB
Markdown
85 lines
2.0 KiB
Markdown
# CppJieba是"结巴"中文分词的C++库
|
||
|
||
## 中文编码
|
||
|
||
`master`分支为utf8编码，此分支支持gbk编码。
|
||
|
||
## GBK版本的Demo
|
||
|
||
### MPSegment's demo
|
||
|
||
```
|
||
cd ./demo;
|
||
make;
|
||
./segment_demo testlines.gbk
|
||
```
|
||
|
||
Output:
|
||
```
|
||
我来到北京清华大学
|
||
我/来到/北京/清华大学
|
||
|
||
他来到了网易杭研大厦
|
||
他/来到/了/网易/杭/研/大厦
|
||
|
||
小明硕士毕业于中国科学院计算所，后在日本京都大学深造
|
||
小/明/硕士/毕业/于/中国科学院/计算所/，/后/在/日本京都大学/深造
|
||
```
|
||
|
||
### HMMSegment's demo
|
||
|
||
```
|
||
cd ./demo;
|
||
make;
|
||
./segment_demo testlines.gbk --modelpath ../dicts/hmm_model.gbk --algorithm cutHMM
|
||
```
|
||
|
||
Output:
|
||
```
|
||
我来到北京清华大学
|
||
我来/到/北京/清华大学
|
||
他来到了网易杭研大厦
|
||
他来/到/了/网易/杭/研大厦
|
||
小明硕士毕业于中国科学院计算所，后在日本京都大学深造
|
||
小明/硕士/毕业于/中国/科学院/计算所/，/后/在/日/本/京/都/大/学/深/造
|
||
```
|
||
|
||
### MixSegment's demo
|
||
```
|
||
cd ./demo;
|
||
make;
|
||
./segment_demo testlines.gbk --algorithm cutMix
|
||
```
|
||
|
||
Output:
|
||
```
|
||
我来到北京清华大学
|
||
我/来到/北京/清华大学
|
||
他来到了网易杭研大厦
|
||
他/来到/了/网易/杭研/大厦
|
||
杭研
|
||
杭研
|
||
小明硕士毕业于中国科学院计算所，后在日本京都大学深造
|
||
小明/硕士/毕业/于/中国科学院/计算所/，/后/在/日本京都大学/深造
|
||
```
|
||
|
||
### 效果分析
|
||
|
||
以上依次是MP,HMM,Mix三种方法的效果。
|
||
可以看出效果最好的是Mix，也就是融合MP和HMM的切词算法。即可以准确切出词典已有的词，又可以切出像"杭研"这样的未登录词。
|
||
|
||
## 其它详见`master`分支的README.md
|
||
|
||
## Contact
|
||
|
||
如果有运行问题或者任何疑问，欢迎联系 : wuyanyi09@gmail.com
|
||
|
||
## Thanks
|
||
|
||
"结巴中文"分词作者: SunJunyi
|
||
https://github.com/fxsjy/jieba
|
||
|
||
顾名思义，之所以叫CppJieba，就是边参照边膜拜SunJunyi大神的Jieba分词Python程序写成的，所以饮水思源，再次感谢SunJunyi。
|
||
|
||
|