PHPAnarise中国語単語分割の詳しい説明_PHPチュートリアル-PHPチュートリアル-php.cn

PHPAnarise中国語単語分割の詳しい説明_PHPチュートリアル

WBOY

リリース： 2016-07-13 10:28:15

オリジナル

1295 人が閲覧しました

PHPAnalysis は現在広く使用されている中国語の単語分割クラスであり、逆一致モードの単語分割を使用するため、より広範囲のエンコーディングと互換性があります。その変数と一般的な関数については、次のように詳しく説明します。

1. さらに重要なメンバー変数

L$Resulttype = 1 単語生成データ型によって生成される単語タイプ (1 はすべて、2 は辞書語彙と 1 つの中国語、日本語、韓国語の単純な文字と英語、3 は辞書語彙と英語)。

$notSplitLen = 5 文を最短の長さに分割します

$toLower = false すべての英単語を小文字に変換します
$differMax = false 最大分割モードを使用してバイグラムを曖昧さなくします
$unitWord = true 単語を結合してみます (つまり、新しい単語認識)
$differFreq = false 曖昧さ回避のためにホットワード優先モードを使用します

2.主なメンバー機能一覧

1. public function __construct($source_charset='utf-8', $target_charset='utf-8', $load_all=true, $source='')

関数の説明: コンストラクター

パラメータリスト:

$source_charset ソース文字列エンコード
$target_charset ディレクトリ文字列エンコード
$load_all 辞書を完全にロードするかどうか (このパラメータは無効になっています)
$source ソース文字列
入力と出力が両方とも utf-8 の場合、実際にはパラメータを使用する必要はありません初期化用に操作対象のテキストをSetSourceメソッドで設定します

2. public function SetSource( $source, $source_charset='utf-8', $target_charset='utf-8' )
関数の説明: ソース文字列を設定します

パラメータリスト:

$source ソース文字列
$source_charset 文字列エンコーディング
$target_charset ディレクトリ文字列エンコーディング
戻り値: bool
I3, Public Function Startanalysis ($ Optimize = TRUE)
関数: 単語分割演算の実行開始
パラメータリスト:

$ Optimize 単語分割後の結果を最適化するかどうか: void

基本的な単語分割処理:
///// //////////////////////////////////////////////// ///////////////////////////////////// /////////// ///////////////////////
$pa = new PhpAnalysis();

$pa->SetSource('セグメント化する必要がある文字列');

//単語分割属性を設定します
$pa->resultType = 2;

$pa->differMax = true;

$pa->分析開始();

//必要な結果を取得します
$pa->GetFinallyIndex();

/////////////////////////////// / //////////

4. パブリック関数 SetResultType( $rstype )

関数の説明: 戻り結果の型を設定します
これは実際にはメンバー変数 $resultType に対する操作です
パラメーター $rstype の値は次のとおりです:

1 はすべて、2 は辞書です語彙と単一の中国語、日本語、韓国語、簡体字および繁体字と英語、3 は辞書の語彙と英語

戻り値: void

5. public function GetFinallyKeywords( $num = 10 )
関数の説明: 最も頻繁に出現する指定された用語の数を取得します (通常、ドキュメントのキーワードを抽出するために使用されます)
パラメーターリスト:
$num = 10 用語の数を返します

Return値: 「,」で区切られたキーワードのリスト

6. public function GetFinallyResult($spword=' ')
関数の説明: 最終的な単語分割結果を取得します
パラメータリスト:
$spword エントリ間の区切り文字

戻り値: string

7. パブリック関数 GetSimpleResult()
関数説明: 大まかなセグメンテーション結果を取得します
戻り値: 配列

8. パブリック関数 GetSimpleResultAll()

関数の説明: 属性情報を含む大まかなセグメンテーション結果を取得します
属性 (1 つの中国語の単語と文章、2 つの ANSI 語彙 (全角を含む)、3 つの ANSI 句読点 (全角を含む)、数字4文字(全角含む)、中国語の句読点や認識できない文字5文字)
戻り値:配列

9. パブリック関数 GetFinallyIndex()
関数説明: ハッシュインデックス配列を取得
戻り値: array('word'=>count,...) 出現頻度で並べ替えます

10. パブリック関数 MakeDict($source_file, $target_file='')

関数の説明: テキストファイル辞書を辞書にコンパイルします
パラメータリスト:
$source_file ソーステキストファイル

$target_file ターゲットファイル (指定されていない場合は、Current辞書)

戻り値: void

11. パブリック関数 ExportDict($targetfile)
関数の説明: 現在の辞書のすべてのエントリをテキストファイルとしてエクスポートします
パラメーターリスト:
$targetfile ターゲットファイル

戻り値: void