نام (NAME)

slmseg - بخش‌بندی متن چینی با الگوریتم تطابق بیشینه.

خلاصه دستور (SYNOPSIS)

slmseg -d dict_file [option]... [corpus_file]...

توضیحات (DESCRIPTION)

slmseg ابزاری برای بخش‌بندی متن چینی به کلمات با استفاده از الگوریتم تطابق بیشینه (maximum matching) است. slmseg فایل corpus_file یا در صورت مشخص نشدن نام فایل، ورودی استاندارد را بخش‌بندی کرده و نتیجه بخش‌بندی‌شده را در خروجی استاندارد می‌نویسد.

گزینه‌ها (OPTIONS)

-d dict_file

استفاده از dict_file به‌عنوان واژگان (lexicon). یک واژگان پیش‌فرض در مسیر /usr/share/sunpinyin-slm/dict.utf8 موجود است.

-f,--format (text|bin)

قالب خروجی؛ می‌تواند 'text' یا 'bin' باشد. پیش‌فرض 'bin' است. به‌طور معمول، در حالت متنی، متن کلمات در خروجی قرار می‌گیرد، در حالی که در حالت دودویی، عدد صحیح کوتاه دودویی شناسه‌های کلمه (word-ids) در stdout نوشته می‌شود.

-s, --stok STOK_ID

شناسه نشانه جمله (Sentence token id). پیش‌فرض 10 است. این مقدار در حالت دودویی پس از هر جمله در خروجی نوشته خواهد شد.

-i, --show-id

نمایش اطلاعات شناسه (Id). در حالت قالب خروجی متنی، شناسه پس از کلمات شناخته‌شده الصاق می‌شود. در حالت دودویی، شناسه(ها) به‌صورت متنی چاپ می‌شوند.

-m, --model language-model-file مشخص کردن فایل مدل زبان. این فایل همیشه توسط slmthread تولید می‌شود.

نکات (NOTES)

در حالت binary، شناسه‌های متوالی 0 در یک 0 ادغام می‌شوند. در حالت text، هیچ فاصله‌ای بین کلمات ناشناخته درج نمی‌شود.

نویسندگان (AUTHORS)

در ابتدا توسط Phill.Zhang <phill.zhang@sun.com> نوشته شده است. در حال حاضر توسط Kov.Chai <tchaikov@gmail.com> نگهداری می‌شود.

همچنین ببینید (SEE ALSO)

mmseg(1), ids2ngram (1).