spencermountain/compromise

compromise – 轻量级 JavaScript NLP 库

是什么 – compromise（原名 nlp-compromise）是一个小型、快速、纯 JavaScript 的库，可将原始英文文本转换为可操作的数据结构。它专注于实用的规则基础处理，而非深度学习，提供分词、词性标注、词干提取以及一些高级辅助功能（数字、日期、缩写等）。

为何重要 – 对于许多面向 Web 的项目，你不需要引入几百兆的模型，就能实现快速、即时的语言处理。compromise 正是为此而生：最小化后的包体积约为 250 KB，可在浏览器或 Node.js 中运行，每秒可处理约 1 MB 的文本。

主要功能（如 README 所述）

• 三层 API – compromise/one（分词器）、compromise/two（词性标注器与语法解释器）、compromise/three（短语级工具）。你可以仅加载所需层级。
• 标签集 – 内置 83 个标签（如 #Verb、#Noun、#FirstName）。标签具有层级结构，可通过 debug() 或 verbose('tagger') 检查。
• 匹配语法 – 一种微型语言（doc.match('#Adjective of times')）允许你使用类似正则表达式但能识别标签的模式查询文档。
• 便捷转换 – 改变时态（doc.verbs().toPastTense()）、名词复数化、展开/缩写缩写词、加减数字等。
• 数据提取 – doc.json() 返回结构化表示（词汇、归一化形式、计算出的元数据如音节数、金额、分数）。
• 可扩展性 – 可插入额外模块，如 compromise-speech 用于音节计数。
• 客户端就绪 – 可通过 CDN 从 <script> 标签加载，轻松添加到静态页面中。

典型用例

• 在将数据发送到大型 AI 流水线前，进行简单的文本清洗或归一化。
• 构建需要快速意图识别但无需重型模型的聊天机器人或语音助手。
• 实时生成或编辑内容（如自动名词复数化、动词转过去时）。
• 在 Web 应用中从用户生成的文本中提取结构化信息（数字、日期、地点）。

优势

• 体积小、速度快 – 包体积极小，可实现每按键一次的实时运行。
• 零依赖、纯 JS – 只要支持 JavaScript 的环境即可运行。
• 确定性 – 基于规则的输出可预测，适用于模板化和规则驱动的代理。
• 模块化 – 仅加载所需层级，保持最小体积。

局限性

• 准确率权衡 – README 承认其“不如你想象的聪明”；在模糊或领域特定文本上，性能无法与现代基于 Transformer 的解析器相比。
• 以英语为中心 – 核心库针对英语；其他语言为独立分支（法语、德语、意大利语、西班牙语），可能滞后。
• 规则基础 – 除非手动扩展词典，否则无法学习新模式。

快速上手

npm install compromise   # 或使用 CDN 脚本标签

import nlp from 'compromise'

let doc = nlp('she sells seashells by the seashore.')
console.log(doc.verbs().toPastTense().text()) // "she sold seashells by the seashore."

进一步阅读 – 仓库自带丰富的 Markdown 文档（docs/api.md、docs/match-syntax.md 等）和一系列 Observable 笔记本，展示性能、内部机制和标签图。

---

所有陈述均直接取自仓库的 README；未添加任何外部主张。