Este es el comando mmseg que se puede ejecutar en el proveedor de alojamiento gratuito de OnWorks utilizando una de nuestras múltiples estaciones de trabajo en línea gratuitas, como Ubuntu Online, Fedora Online, emulador en línea de Windows o emulador en línea de MAC OS.
PROGRAMA:
NOMBRE
mmseg: segmento máximo de coincidencia de texto chino.
SINOPSIS
mmseg -d archivo_dict [opción] ... [archivo_corpus] ...
DESCRIPCIÓN
mmseg es una herramienta para segmentar el texto chino en palabras utilizando un algoritmo de coincidencia máxima.
mmseg segmentos archivo_corpus, o entrada estándar si no se especifica un nombre de archivo, y escriba el
resultado segmentado a salida estándar.
CAMPUS
-d archivo_dict
Uso archivo_dict como léxico. Se puede encontrar un léxico predeterminado en
/usr/share/sunpinyin-slm/dict.utf8.
-f,--formato (texto|papelera)
Formato de salida, puede ser 'texto' o 'bin'. 'bin' predeterminado. Normalmente, en modo texto, palabra
se emiten texto, mientras que en el modo binario, los números enteros cortos binarios de los identificadores de palabras son
escrito en stdout.
-s, --estok STOK_ID
Identificación del token de oración. Predeterminado 10. Se escribirá en la salida en modo binario después
cada frase.
-i, --mostrar-id
Mostrar información de identificación. En el modo de formato de salida de texto, adjunte una identificación después de las palabras conocidas. Si bajo
modo binario, imprime id (s) en texto.
-a, - identificación-ambigua ID AMBI
Medios ambiguos abecedario => A BC or AB C. Si se especifica (ID AMBI ! = 0), La secuencia abecedario
no se segmentará, en modo binario, el ID AMBI está escrito; en modo texto,
" A B C Se emitirá ". El valor predeterminado es 0.
NOTAS
under binario modo, el ID consecutivo de 0 se fusiona en uno 0. En texto modo, sin espacio
se insertan entre palabras desconocidas.
Use mmseg en línea usando los servicios de onworks.net
