python中文分词,使用结巴分词对python进行分词
2017-11-04 14:53
453 查看
在采集美女站时,需要对关键词进行分词,最终采用的是python的结巴分词方法.
中文分词是中文文本处理的一个基础性工作,结巴分词利用进行中文分词。其基本实现原理有三点:
基于Trie树结构实现高效的词图扫描,生成句子中汉字所有可能成词情况所构成的有向无环图(DAG)
采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
对于未登录词,采用了基于汉字成词能力的HMM模型,使用了Viterbi算法
安装(Linux环境)
下载工具包,解压后进入目录下,运行:python setup.py install
模式
默认模式,试图将句子最精确地切开,适合文本分析
全模式,把句子中所有的可以成词的词语都扫描出来,适合搜索引擎
接口
组件只提供jieba.cut 方法用于分词
cut方法接受两个输入参数:
第一个参数为需要分词的字符串
cut_all参数用来控制分词模式
待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
jieba.cut返回的结构是一个可迭代的generator,可以使用for循环来获得分词后得到的每一个词语(unicode),也可以用list(jieba.cut(...))转化为list
seg=jieba.cut("http://www.gg4493.cn/"):
实例
结果
中文分词是中文文本处理的一个基础性工作,结巴分词利用进行中文分词。其基本实现原理有三点:
基于Trie树结构实现高效的词图扫描,生成句子中汉字所有可能成词情况所构成的有向无环图(DAG)
采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
对于未登录词,采用了基于汉字成词能力的HMM模型,使用了Viterbi算法
安装(Linux环境)
下载工具包,解压后进入目录下,运行:python setup.py install
模式
默认模式,试图将句子最精确地切开,适合文本分析
全模式,把句子中所有的可以成词的词语都扫描出来,适合搜索引擎
接口
组件只提供jieba.cut 方法用于分词
cut方法接受两个输入参数:
第一个参数为需要分词的字符串
cut_all参数用来控制分词模式
待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
jieba.cut返回的结构是一个可迭代的generator,可以使用for循环来获得分词后得到的每一个词语(unicode),也可以用list(jieba.cut(...))转化为list
seg=jieba.cut("http://www.gg4493.cn/"):
实例
#! -*- coding:utf-8 -*- import jieba seg_list = jieba.cut("我来到北京清华大学", cut_all = True) print "Full Mode:", ' '.join(seg_list) seg_list = jieba.cut("我来到北京清华大学") print "Default Mode:", ' '.join(seg_list)
结果
相关文章推荐
- python中文分词,使用结巴分词对python进行分词
- python中文分词,使用结巴分词对python进行分词(实例讲解)
- 使用python 的结巴(jieba)库进行中文分词
- 使用Python+jieba和java+庖丁分词在Spark集群上进行中文分词统计
- 使用最大逆向法,利用python进行简易中文分词
- Python利用结巴分词进行中文分词
- 使用Python+jieba和java+庖丁分词在Spark集群上进行中文分词统计
- Python结巴中文分词工具使用过程中遇到的问题及解决方法
- 使用python jieba库进行中文分词
- Python 中文分词工具 ——结巴分词的使用方法总结
- 使用Python,字标注及最大熵法进行中文分词
- PYTHON 结巴中文分词工具的基础使用
- 结巴中文分词使用学习(python)
- 使用python对中文文本进行分词
- Python 中文分词工具 ——结巴分词的使用方法总结
- 使用python中的结巴分词作词云图,对微信功能点进行辅助分析
- 【Python】用Python的“结巴”模块进行分词
- python中文分词工具——结巴分词
- Python分词模块推荐:结巴中文分词
- 对Python中文分词模块结巴分词算法过程的理解和分析