Friso(高性能中文分词工具)

Friso是使用c语言开发的一款开源的高性能中文分词器，使用流行的mmseg算法实现，完全基于模块化设计和实现，可以很方便的植入其他程序中，源码无需修改就能在各种平台下编译使用!

功能介绍

Friso核心功能：

中文分词：mmseg算法 + Friso 独创的优化算法，四种切分模式。

关键字提取：基于textRank算法。

关键短语提取：基于textRank算法。

关键句子提取：基于textRank算法。

Friso中文分词：

四种切分模式：

简易模式：FMM 算法，适合速度要求场合。

复杂模式- MMSEG 四种过滤算法，具有较高的岐义去除，分词准确率达到了98.41%。

检测模式：只返回词库中已有的词条，很适合某些应用场合。(1.6.1版本开始)。

最多模式：细粒度切分，专为检索而生，除了中文处理外(不具备中文的人名，数字识别等智能功能)其他与复杂模式一致(英文，组合词等)。

分词功能特性：

同时支持对 UTF-8/GBK 编码的切分，支持 php5 和 php7 扩展和 sphinx token 插件。

支持自定义词库。在 dict 文件夹下，可以随便添加/删除/更改词库和词库词条，并且对词库进行了分类。

简体/繁体/简体混合支持, 可以方便的针对简体，繁体或者简繁体切分。同时还可以以此实现简繁体的相互检索。

支持中英/英中混合词的识别(维护词库可以识别任何一种组合)。例如：卡拉ok, 漂亮mm, c语言，IC卡，哆啦a梦。

很好的英文支持，英文标点组合词识别, 例如c++, c#, 电子邮件，网址，小数，百分数。

自定义保留标点：你可以自定义保留在切分结果中的标点，这样可以识别出一些复杂的组合，例如：c++, k&r，code.google.com。

复杂英文切分的二次切分：默认 Friso 会保留数字和字母的原组合，开启此功能，可以进行二次切分提高检索的命中率。例如：qq2013会被切分成：qq/ 2013/ qq2013。

支持阿拉伯数字/小数基本单字单位的识别，例如2012年，1.75米，5吨，120斤，38.6℃。

自动英文圆角/半角，大写/小写转换。

同义词匹配：自动中文/英文同义词追加. (需要在 friso.ini 中开启 friso.add_syn 选项)。

自动中英文停止词过滤。(需要在 friso.ini 中开启 friso.clr_stw 选项)。

多配置支持, 安全的应用于多进程/多线程环境。