Taku Kudo 氏が開発した JavaScript の分かち書きライブラリ TinySegmenter を PHP に移植したものです。

このライブラリは、sugakenn 氏による PHP 移植版 TinySegmenterPHP をフォークし、Composer に対応させることで、より使いやすく改良したものです。さらに、パフォーマンスの向上や最新の PHP 機能の導入を行い、名称やクラス名の一部も改定しました。

TinySegmenter は、日本語の文章を単語単位で分割するシンプルな形態素解析ライブラリです。機械学習を用いたアルゴリズムを採用しており、辞書なしで動作するのが特徴です。

• PHP 8.0 以上
• PHP の mbstring 拡張モジュールがインストールされていること

Composer を使ってインストールしてください。

composer require u7aro/tinysegmenter-php

このライブラリを使用すると、日本語の文章を単語単位に分割できます。以下の例では「私の名前は中野ではありません」を分かち書きしています。

use U7aro\TinySegmenter\TinySegmenter;

$text = '私の名前は中野ではありません';
$result = TinySegmenter::segment($text);

var_dump($result);
// array(10) {
//   [0]=>
//   string(3) "私"
//   [1]=>
//   string(3) "の"
//   [2]=>
//   string(6) "名前"
//   [3]=>
//   string(3) "は"
//   [4]=>
//   string(6) "中野"
//   [5]=>
//   string(3) "で"
//   [6]=>
//   string(3) "は"
//   [7]=>
//   string(6) "あり"
//   [8]=>
//   string(6) "ませ"
//   [9]=>
//   string(3) "ん"
// }

本ライブラリはオリジナルの TinySegmenter を PHP に移植したものです。そのため、機械学習ロジック自体には変更を加えておらず、分かち書きの精度や挙動はオリジナルに準拠します。もしロジックに関するバグが発生した場合、オリジナル版の修正が行われるまで対応できない可能性がありますのでご了承ください。

ライセンスはオリジナルの TinySegmenter および TinySegmenterPHP と同様に、修正BSDライセンスが適用されます。