spencermountain/compromise

compromise – 輕量級 JavaScript NLP 庫

是什麼 – compromise（原名 nlp-compromise）是一個小型、快速、純 JavaScript 的函式庫，可將原始英文文字轉換為可操作的資料結構。它專注於實用的規則式處理，而非深度學習，提供分詞、詞性標記、詞幹提取，以及幾項高階輔助功能（數字、日期、縮寫等）。

為何重要 – 對於許多面向 Web 的專案，你不需要引入數百 MB 的模型，就能實現快速、即時的語言處理。compromise 正是為此而生：最小化後的套件體積約為 250 KB，可在瀏覽器或 Node.js 中執行，每秒可處理約 1 MB 的文字。

主要功能（如 README 所述）

• 三層 API – compromise/one（分詞器）、compromise/two（詞性標記器與語法解譯器）、compromise/three（短語級工具）。你可以僅載入所需的層級。
• 標籤集 – 內建 83 個標籤（如 #Verb、#Noun、#FirstName）。標籤具有層級結構，可透過 debug() 或 verbose('tagger') 檢查。
• 匹配語法 – 一種微型語言（doc.match('#Adjective of times')）允許你使用類似正規表示式但能識別標籤的模式查詢文件。
• 便捷轉換 – 改變時態（doc.verbs().toPastTense()）、名詞複數化、展開/縮寫縮寫詞、加減數字等。
• 資料提取 – doc.json() 回傳結構化表示（詞彙、歸一化形式、計算出的元資料如音節數、金額、分數）。
• 可擴充性 – 可插入額外模組，如 compromise-speech 用於音節計數。
• 客戶端就緒 – 可透過 CDN 從 <script> 標籤載入，輕鬆加入靜態網頁中。

典型用例

• 在將資料送至大型 AI 流水線前，進行簡單的文字清洗或歸一化。
• 建構需要快速意圖辨識但無需重型模型的聊天機器人或語音助理。
• 實時生成或編輯內容（如自動名詞複數化、動詞轉過去式）。
• 在 Web 應用中從使用者產生的文字中提取結構化資訊（數字、日期、地點）。

優勢

• 體積小、速度快 – 套件體積極小，可實現每按鍵一次的即時運行。
• 零相依、純 JS – 只要支援 JavaScript 的環境即可執行。
• 確定性 – 基於規則的輸出可預測，適用於模板化和規則驅動的代理。
• 模組化 – 僅載入所需層級，保持最小體積。

限制

• 準確率權衡 – README 承認其「不如你想像的聰明」；在模糊或領域特定文字上，性能無法與現代基於 Transformer 的解析器相比。
• 以英語為中心 – 核心函式庫針對英語；其他語言為獨立分支（法語、德語、義大利語、西班牙語），可能落後。
• 規則基礎 – 除非手動擴展詞典，否則無法學習新模式。

快速上手

npm install compromise   # 或使用 CDN 腳本標籤

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."

進一步閱讀 – 倉庫內建豐富的 Markdown 文件（docs/api.md、docs/match-syntax.md 等）和一系列 Observable 笔記本，展示效能、內部機制和標籤圖。

---

所有陳述均直接取自倉庫的 README；未添加任何外部主張。