当前位置:首页 » 《随便一记》 » 正文

jieba库详解

16 人参与  2022年10月29日 12:25  分类 : 《随便一记》  评论

点击全文阅读


jieba是优秀的中文分词第三方库

中文文本需要通过分词获得单个的词语

jieba是优秀的中文分词第三方库,需要额外安装

jieba库提供三种分词模式,最简单只需安装一个函数。

jieba库是通过中文词库的方式来识别分词的。

安装命令如下:

点击windows+r,进入命令提示符输入cmd,进入界面后,输入pip install jieba。即可安装,示例如下:

安装界面如下: 

jieba库分词依靠中文词库

利用一个中文词库,确定汉字之间的关联概念

汉字间概率大的组成词组,形成分词结果

除了分词,用户还可以添加自定义的词组。

jieba分词的三种模式:

精确模式、全模式、搜索引擎模式

精确模式:把文本精确的切分开,不存在冗余单词

全模式:把文本中所有可能的词语都扫描出来,有冗余。

搜索引擎模式:在精确模式基础上,对长词进行切分。

jieba库的主要方法如下:

1.jieba.lcut(s) 精确模式,返回一个列表类型的分词结果

代码示例如下:

import jiebaa=jieba.lcut("约翰沃尔是NBA超级巨星")print(a)

运行界面如下:

2.jieba.lcut(s,cut_all=True)全模式,返回一个列表类型的分词结果,存在冗余。

代码示例如下:

import jiebaa=jieba.lcut("约翰沃尔是NBA超级巨星",cut_all=True)print(a)

运行界面如下:

 3.jieba.lcut_for_search(s)搜索引擎模式。

代码示例如下:

import jiebaa=jieba.lcut_for_search("中华人民共和国是伟大的")print(a)

运行界面如下:4. 

4.jieba.add_word(w),向分词词典增加新词w。

代码示例如下:

import jiebaa=jieba.add_word("奇才队控球后卫约翰沃尔是NBA超级巨星")b=jieba.lcut("奇才队控球后卫约翰沃尔是NBA超级巨星")print(b)

运行界面如下:

jieba.lcuts(s),能够将字符串s进行精确的分词处理,并且返回一个列表类型。 

 


点击全文阅读


本文链接:http://zhangshiyu.com/post/46165.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1