V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
est
V2EX  ›  分享发现

浏览器 JS 都支持原生中文分词了

  •  1
     
  •   est · 2022-05-23 17:10:36 +08:00 · 4961 次点击
    这是一个创建于 897 天前的主题,其中的信息可能已经有所发展或是发生改变。
    console.table(Array.from(new Intl.Segmenter('cn', { granularity: 'word' }).segment('工信处女干事每月经过下属科室都要亲口交代 24 口交换机等技术性器件的安装工作')))
    

    https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Intl/Segmenter

    虽然效果一般但是可以用了。。。。

    22 条回复    2024-05-22 11:23:12 +08:00
    WildCat
        1
    WildCat  
       2022-05-23 17:11:25 +08:00
    Safari 竟然也支持?
    xlsepiphone
        2
    xlsepiphone  
       2022-05-23 17:13:40 +08:00   ❤️ 18
    这个测试用例有点屌。
    eason1874
        3
    eason1874  
       2022-05-23 17:14:02 +08:00   ❤️ 1
    浏览器鼠标双击选中文本就是自动分词的,以前想不通为什么不提供 JS 用,现在总算有了,不知道效果是否一样
    weixiangzhe
        4
    weixiangzhe  
       2022-05-23 17:17:16 +08:00

    好像还不错
    weixiangzhe
        5
    weixiangzhe  
       2022-05-23 17:20:13 +08:00

    感觉确实效果一般
    lower
        6
    lower  
       2022-05-23 17:23:06 +08:00
    console.table 在我 edge 浏览器里结果是 undefined ?
    lower
        7
    lower  
       2022-05-23 17:23:38 +08:00
    @lower 好像又好了
    selca
        8
    selca  
       2022-05-23 17:23:41 +08:00
    @weixiangzhe #5 我这双击点击出来的文本,跟你的图好像是一样的,chrome
    Buges
        9
    Buges  
       2022-05-23 17:36:32 +08:00 via Android
    你把这个测试用例发到墙内平台上试试,看看他们的分词效果如何。
    zagfai
        10
    zagfai  
       2022-05-23 18:00:44 +08:00
    你这个用例。。。。。顶
    Biwood
        11
    Biwood  
       2022-05-23 18:10:50 +08:00
    Firefox 竟然不支持
    shyrock
        12
    shyrock  
       2022-05-23 18:55:39 +08:00
    你这个用例是测试敏感词用的吧?
    Helsing
        13
    Helsing  
       2022-05-23 19:53:57 +08:00 via iPhone
    不一般的测试用例
    Felldeadbird
        14
    Felldeadbird  
       2022-05-23 21:54:25 +08:00
    这个分词好像只是做了常见的词语分词。
    Marionic0723
        15
    Marionic0723  
       2022-05-23 22:00:46 +08:00 via Android
    我有一**立服务器
    我买了一个 8**换机
    学**者荣耀走位🔫


    这都 naive 了,现在的特殊词汇过滤一般是多种方式结合审查,比如 bilibili ,如果在某食肉动物内容的视频下面,是连“学习一下”都发不出来,评论发出去不增加总数,刷新下不会立刻出现,而是先消失后出现,弹幕发出去马上被删除,给自己的弹幕点赞就知道了。
    DOLLOR
        16
    DOLLOR  
       2022-05-23 22:02:55 +08:00
    chrome 用户可以试试鼠标双击网页上的句子,你会发现 chrome 会自动选择中文词汇,正确率很高。所以我怀疑 chrome (或者哪个地方)很早就内置中文词库了。
    hamsterbase
        17
    hamsterbase  
       2022-05-23 22:07:29 +08:00
    @DOLLOR

    Chrome 2012 年就支持分词了,用的是 IBM 的 icu
    lithiumii
        18
    lithiumii  
       2022-05-23 22:12:03 +08:00 via Android
    这个测试用例挺经典的吧,结巴里也有
    P233
        19
    P233  
       2022-05-23 22:14:46 +08:00
    @eason1874 试了几个例子,应该是一样的
    sixicat
        20
    sixicat  
       2023-09-25 10:50:50 +08:00
    参照这个写了个在线工具,我主要用于在 ios 上切 tb 虚拟商品链接或者收货地址这些长文本,快速复制。有兴趣的大佬可以瞅瞅,https://www.text-assistant.fsldai.com/en/segment
    rogerer
        21
    rogerer  
       168 天前
    @eason1874 浏览器提供的这个功能还是太粗糙了,比如你的这句话「浏览器鼠标双击选中文本就是自动分词的」,浏览器把「中文」当做一个词分割出来,应该是用高频词去贪心,并没用用到 context aware 的技术
    rogerer
        22
    rogerer  
       168 天前
    @rogerer 实际上,分词并不能只通过词频去计算,特别是对于中文,错误率会很高。更精准的解决方案是让一个轻巧的 word2vec/bert based model 跑在前端,去实时地做分割。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5569 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 47ms · UTC 05:51 · PVG 13:51 · LAX 21:51 · JFK 00:51
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.