ประสิทธิภาพ

ตัวเลข throughput และความแม่นยำของ kham v0.5.0 วัดบน Apple M-series (arm64) benchmark ทั้งหมดรันด้วย --release และ LTO เปิดใช้งาน

สภาพแวดล้อม

CPU	Apple M-series (arm64)
OS	macOS
Rust	1.85+ stable, LTO เปิดใช้งาน
Profile	release
dictionary ในตัว	62,102 คำ · 669,387 DARTS states · 5.1 MiB
ตาราง TNC frequency	106,125 รายการ

รันเองได้: cargo bench -p kham-core — รายงาน HTML ที่ target/criterion/report/index.html

ความแม่นยำ

Precision / Recall / F1 ระดับขอบเขตคำเทียบกับ gold corpus แบบ CC0 (kham-core/testdata/) และเปรียบเทียบกับ PyThaiNLP word_tokenize(engine='newmm') บน 39 ประโยค

0.975

Micro F1

เทียบกับ CC0 gold corpus

94.9%

ประโยคที่ตรงกัน

37/39 เทียบกับ PyThaiNLP newmm

ความต่างที่แท้จริง

2 รายการที่เหลือเป็นข้อผิดพลาดของ PyThaiNLP

วิธีรันเอง:

cargo run -p kham-bench-accuracy
cargo run -p kham-bench-accuracy -- --threshold 0.95   # CI gate
cargo run -p kham-bench-accuracy -- --verbose           # แสดงกรณีที่ผิดพลาด

Throughput การตัดคำ

ข้อความภาษาไทยล้วน, dictionary ในตัว, benchmark segment/by_length

ขนาด input	Bytes	เวลา (median)	Throughput
สั้น (short)	37 B	879 ns	42.3 MiB/s
กลาง (medium)	182 B	3.80 µs	45.1 MiB/s
ยาว (long)	546 B	10.9 µs	47.1 MiB/s

หลายภาษาผสมกัน (Mixed-script)

ภาษาไทย + ภาษาอังกฤษ + ตัวเลขในข้อความเดียวกัน — segment/mixed

Input	Bytes	เวลา (median)	Throughput
sparse (ธนาคาร100แห่ง)	26 B	744 ns	42.3 MiB/s
medium (หลาย boundary)	74 B	1.73 µs	43.5 MiB/s
dense (สลับภาษา)	29 B	535 ns	55.3 MiB/s

Normalization

Unicode normalization (จัดเรียงสระลอย, ลบวรรณยุกต์ซ้ำ, NFC) — normalize/thai

ขนาด input	Bytes	เวลา (median)	Throughput
สั้น	37 B	79.9 ns	465 MiB/s
กลาง	182 B	199 ns	864 MiB/s
ยาว	546 B	507 ns	1.0 GiB/s

SQLite FTS5 Extension

Criterion benchmarks ผ่าน rusqlite, in-memory database, FTS5 เปิดใช้งาน pipeline ต่อการเรียก xTokenize: normalize → NE → stopword → POS → synonym → RTGS

Throughput การ index (INSERT)

Benchmark	Input	ขนาด	เวลา (median)	Throughput
index/single/short	กินข้าวกับปลา	21 B	15.5 µs	2.47 MiB/s
index/single/medium	ข้อความภาษาไทย ~63 B	63 B	41.8 µs	4.14 MiB/s
index/single/long	3× medium	189 B	94.3 µs	5.46 MiB/s
index/batch_100/short	100 × short	2.1 KB	640 µs (6.4 µs/doc)	6.0 MiB/s
index/batch_100/medium	100 × medium	6.3 KB	2.54 ms (25.4 µs/doc)	7.1 MiB/s
index/batch_100/long	100 × long	18.9 KB	6.75 ms (67.5 µs/doc)	7.6 MiB/s

Latency การค้นหา

ตาราง 1,000 แถว ข้อความขนาดกลาง

Benchmark	Query	แถวผลลัพธ์	เวลา (median)
query/single_word/thai_common	ข้าว	1,000	88.3 µs
query/single_word/thai_rare	ปลา	1,000	88.9 µs
query/single_word/number	100	0	1.4 µs
query/single_word/latin	hello	0	1.5 µs
query/snippet	ข้าว (top 10)	10	417 µs

← อ้างอิง API บันทึกการเปลี่ยนแปลง →