【文本分类】friso中文分词器介绍（c 开源）

一、friso中文分词器

Friso是使用c语言开发的一款高性能中文分词器，使用流行的mmseg算法实现。完全基于模块化设计和实现，可以很方便的植入到其他程序中，例如：MySQL，PHP等。同时支持对UTF-8/GBK编码的切分。

【源码无需修改就能在各种平台下编译使用，加载完20万的词条，内存占用稳定为14.5M。】

1。目前最高版本：friso 1.6.0，同时支持对UTF-8/GBK编码的切分。

2。mmseg四种过滤算法，分词准确率达到了98.41%，请参考本算法的原作：http://technology.chtsai.org/mmseg/。

3。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。

4。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。

5。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。

7。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。

8。(!New)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。

9。