.\" -*- mode: troff; coding: utf-8 -*-
.\" Automatically generated by Pod::Man 5.01 (Pod::Simple 3.43)
.\"
.\" Standard preamble:
.\" ========================================================================
.de Sp \" Vertical space (when we can't use .PP)
.if t .sp .5v
.if n .sp
..
.de Vb \" Begin verbatim text
.ft CW
.nf
.ne \\$1
..
.de Ve \" End verbatim text
.ft R
.fi
..
.\" \*(C` and \*(C' are quotes in nroff, nothing in troff, for use with C<>.
.ie n \{\
.    ds C` ""
.    ds C' ""
'br\}
.el\{\
.    ds C`
.    ds C'
'br\}
.\"
.\" Escape single quotes in literal strings from groff's Unicode transform.
.ie \n(.g .ds Aq \(aq
.el       .ds Aq '
.\"
.\" If the F register is >0, we'll generate index entries on stderr for
.\" titles (.TH), headers (.SH), subsections (.SS), items (.Ip), and index
.\" entries marked with X<> in POD.  Of course, you'll have to process the
.\" output yourself in some meaningful fashion.
.\"
.\" Avoid warning from groff about undefined register 'F'.
.de IX
..
.nr rF 0
.if \n(.g .if rF .nr rF 1
.if (\n(rF:(\n(.g==0)) \{\
.    if \nF \{\
.        de IX
.        tm Index:\\$1\t\\n%\t"\\$2"
..
.        if !\nF==2 \{\
.            nr % 0
.            nr F 2
.        \}
.    \}
.\}
.rr rF
.\" ========================================================================
.\"
.IX Title "MMSEG 1"
.TH MMSEG 1 2024-07-13 "perl v5.38.2" "User Contributed Perl Documentation"
.\" For nroff, turn off justification.  Always turn off hyphenation; it makes
.\" way too many mistakes in technical documents.
.if n .ad l
.nh
.SH "نام (NAME)"
mmseg \- بخش‌بندی متن‌های چینی با الگوریتم بیشینه تطبیق (maximum matching).
.SH "خلاصه دستور (SYNOPSIS)"
.IX Header "SYNOPSIS"
\&\fBmmseg\fR \-d \fIdict_file\fR [\fIoption\fR]... [\fIcorpus_file\fR]...
.SH "توضیحات (DESCRIPTION)"
.IX Header "DESCRIPTION"
\&\fBmmseg\fR ابزاری برای بخش‌بندی متن چینی به کلمات با استفاده از الگوریتم بیشینه تطبیق (maximum matching) است. \fBmmseg\fR فایل پیکره متنی (\fIcorpus_file\fR)، یا در صورت مشخص نشدن نام فایل، ورودی استاندارد را تقطیع کرده و نتیجه بخش‌بندی‌شده را در خروجی استاندارد می‌نویسد.
.SH "گزینه‌ها (OPTIONS)"
.IX Header "OPTIONS"
.IP "\fB\-d\fR \fIdict_file\fR" 4
.IX Item "-d dict_file"
استفاده از \fIdict_file\fR به عنوان واژه‌نامه (lexicon). واژه‌نامه پیش‌فرض در مسیر \fI/usr/share/sunpinyin\-slm/dict.utf8\fR یافت می‌شود.
.IP "\fB\-f\fR,\fB\-\-format\fR (\fBtext\fR|\fBbin\fR)" 4
.IX Item "-f,--format (text|bin)"
قالب خروجی؛ می‌تواند 'text' یا 'bin' باشد. پیش‌فرض 'bin' است.
معمولاً در حالت متنی، متن کلمات در خروجی قرار می‌گیرد، در حالی که در حالت باینری،
شناسه‌های واژه (word-ids) به صورت عدد صحیح کوتاه دودویی (short integer) در stdout نوشته می‌شوند.
.IP "\fB\-s\fR, \fB\-\-stok\fR \fISTOK_ID\fR" 4
.IX Item "-s, --stok STOK_ID"
شناسه نشانه‌ی جمله (Sentence token id). پیش‌فرض 10 است.
این شناسه در حالت باینری پس از هر جمله در خروجی نوشته می‌شود.
.IP "\fB\-i\fR, \fB\-\-show\-id\fR" 4
.IX Item "-i, --show-id"
نمایش اطلاعات شناسه (Id). در حالت قالب خروجی متنی، شناسه پس از کلمات شناخته‌شده پیوست می‌شود.
اگر در حالت باینری باشد، شناسه‌ها را به صورت متنی چاپ می‌کند.
.IP "\fB\-a\fR, \fB\-\-ambiguious\-id\fR \fIAMBI-ID\fR" 4
.IX Item "-a, --ambiguious-id AMBI-ID"
ابهام (Ambiguious) به معنای مواردی مانند \fIABC\fR => \fIA\fR \fIBC\fR یا \fIAB\fR \fIC\fR است. در صورت تعیین شدن (\fIAMBI-ID\fR != 0)،
توالی \fIABC\fR بخش‌بندی نخواهد شد؛ در حالت باینری، \fIAMBI-ID\fR در خروجی نوشته می‌شود؛ در حالت متنی، خروجی به شکل \f(CW\*(C`<ambi>ABC</ambi>\*(C'\fR خواهد بود. پیش‌فرض 0 است.
.SH "نکات (NOTES)"
.IX Header "NOTES"
در حالت \fBbinary\fR، شناسه‌های 0 متوالی در یک 0 ادغام می‌شوند.
در حالت \fBtext\fR، هیچ فاصله‌ای میان کلمات ناشناخته درج نمی‌شود.
.SH "نویسندگان (AUTHORS)"
.IX Header "AUTHORS"
نگارش اولیه توسط Phill.Zhang <phill.zhang@sun.com>.
در حال حاضر توسط Kov.Chai <tchaikov@gmail.com> نگهداری می‌شود.
.SH "همچنین ببینید (SEE ALSO)"
.IX Header "SEE ALSO"
\&\fBslmseg\fR(1), \fBids2ngram\fR(1).