开源的GSE golang的高效分词库，支持英文、中文、日文等

Thu, 10 Nov 2022 20:35:07 +0800

1. 开源项目地址

2. 信息

GSE

词典用双数组 trie（Double-Array Trie）实现，分词器算法为基于词频的最短路径加动态规划。

支持 HMM 分词, 使用 viterbi 算法.

支持普通和搜索引擎两种分词模式，支持用户词典、词性标注，可运行 JSON RPC 服务。

分词速度单线程 9MB/s，goroutines 并发 42MB/s（8核 Macbook Pro）。

3. 安装/更新

1go get -u github.com/go-ego/gse

4. 开始一个新程序

1re gse my-gse

5. 运行

1cd my-gse && re run

6. 使用

 1package main
 2
 3import (
 4    "fmt"
 5
 6    "github.com/go-ego/gse"
 7)
 8
 9func main() {
10    var seg gse.Segmenter
11    // 加载默认字典
12    seg.LoadDict()
13    // 载入词典
14    // seg.LoadDict("your gopath"+"/src/github.com/go-ego/gse/data/dict/dictionary.txt")
15
16    text := "你好世界, Hello world."
17
18    hmm := seg.Cut(text, true)
19    fmt.Println("hmm cut: ", hmm)
20
21    hmm = seg.CutSearch(text, true)
22    fmt.Println("hmm cut: ", hmm)
23
24    hmm = seg.CutAll(text)
25    fmt.Println("cut all: ", hmm)
26
27    // 分词文本
28    tb: = []byte("山达尔星联邦共和国联邦政府")
29
30    // 处理分词结果
31    // 支持普通模式和搜索模式两种分词，见代码中 ToString 函数的注释。
32    // 搜索模式主要用于给搜索引擎提供尽可能多的关键字
33    fmt.Println("输出分词结果, 类型为字符串, 使用搜索模式: ", seg.String(tb, true))
34    fmt.Println("输出分词结果, 类型为 slice: ", seg.Slice(tb))
35
36    segments := seg.Segment(tb)
37    // 处理分词结果
38    fmt.Println(gse.ToString(segments))
39
40    text1 := []byte("深圳地标建筑, 深圳地王大厦")
41    segments1 := seg.Segment([]byte(text1))
42    fmt.Println(gse.ToString(segments1, true))
43}

GSE on ttz.pw

开源的GSE golang的高效分词库，支持英文、中文、日文等

1. 开源项目地址

2. 信息

3. 安装/更新

4. 开始一个新程序

5. 运行

6. 使用