结巴中文分词

Python中文分词组件

四种分词模式

精确模式：试图把句子最精确的切开，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, 速度非常快，但是不能解决歧义；
搜索引擎模式：在精确模式的基础上，对长词进行切分，提高召回率，适用于搜索引擎分析。
paddle模式：利用PaddlePaddle深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注。paddle模式使用需安装paddlepaddle-tiny，pip install paddlepaddle-tiny==1.6.1。目前paddle模式支持jieba v0.40及以上版本。jieba v0.40以下版本，请升级jieba，pip install jieba --upgrade 。

算法

基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词的情况所构成的有向无环图（DAG）
采用了动态规划法查找最大概率路径，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。

主要功能

jieba.cut 方法接受四个输入参数: 需要分词的字符串；cut_all 参数用来控制是否采用全模式；HMM 参数用来控制是否使用 HMM 模型；use_paddle 参数用来控制是否使用paddle模式下的分词模式，paddle模式采用延迟加载方式，通过enable_paddle接口安装paddlepaddle-tiny，并且import相关代码；
jieba.cut_for_search: 方法接受两个参数，需要分词的字符串，是否使用HMM模型，该方法适用于搜索引擎构建的倒排索引分词，粒度比较细。
待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。注意**：不建议直接输入 GBK 字符串，可能无法预料地错误解码成 UTF-8**。
jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)，或者用 jieba.lcut 以及 jieba.lcut_for_search 直接返回 list
jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定义分词器，可用于同时使用不同词典。jieba.dt 为默认分词器，所有全局分词相关函数都是该分词器的映射。
（全局分词相关函数都是该分词器的映射）

代码示例

paddle模式

contents=['工信处女干事每月经过下属科室都要亲口交代24口交换机等技术性器件的安装工作',"我来到北京清华大学","乒乓球拍卖完了","中国科学技术大学"]```python
contents=['工信处女干事每月经过下属科室都要亲口交代24口交换机等技术性器件的安装工作',"我来到北京清华大学","乒乓球拍卖完了","中国科学技术大学"]
for content in contents:seg_list=jieba.cut(content,use_paddle=True)#使用paddle模式print('Panddle Mode:'+'、'.join(list(seg_list)))

全模式和精确模式

seg_list=jieba.cut("我来到北京清华大学",cut_all=True)
print('Full Mode:'+'、'.join(seg_list))#全模式
seg_list=jieba.cut("我来到北京清华大学",cut_all=False)
print('Default Mode:'+'、'.join(seg_list))#精确模式

通过Viterbi算法新识别

seg_list = jieba.cut("我来到长津湖拍摄地拍摄长津湖电影")  # 默认是精确模式
print(", ".join(seg_list))

搜索引擎模式

在这里插入代码片
```seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所，后在日本京都大学深造")  # 搜索引擎模式
print(", ".join(seg_list))

自定义词典

开发者可以指定自己的自定义词典，以便包含jieba词库里没有的词，虽然jieba有新词识别能力，但是自行添加新词可以保证更高的准确率。
用法： jieba.load_userdict(file_name) # file_name 为文件类对象或自定义词典的路径。
词典格式和 dict.txt 一样，一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。file_name 若为路径或二进制方式打开的文件，则文件必须为 UTF-8 编码。
词频省略时候，使用自动计算能保证分出该词的词频。

调整词典

使用 add_word(word, freq=None, tag=None) 和 del_word(word) 可在程序中动态修改词典。
使用 suggest_freq(segment, tune=True) 可调节单个词语的词频，使其能（或不能）被分出来。
注意：自动计算的词频在使用 HMM 新词发现功能时可能无效。
Gitub

学习心得

会自己慢慢的学习jieba分词，不用刻意学习，
慢慢地复现论文的时候，将各种jieba分词结构全部将其搞定。
耐着性子，用到的时候将jieba分词慢慢的学习完整都行啦的理由与打算。在连接中自己找到jieba分词都行啦的理由与打算。

文本分类从入门到精通各种模型的学习——Jieba分词。相关推荐

文本分类从入门到精通—代码展示
文本分类从入门到精通本文整理自笔者年前在知乎上的一个回答: 大数据舆情情感分析,如何提取情感并使用什么样的工具?(贴情感标签) 1.我将数据筛选预处理好,然后分好词. 2.是不是接下来应该与与情感词 ...
文本分类从入门到精通
在这篇文章中,笔者将讨论自然语言处理中文本分类的相关问题.笔者将使用一个复旦大学开源的文本分类语料库,对文本分类的一般流程和常用模型进行探讨.首先,笔者会创建一个非常基础的初始模型,然后使用不同的特征 ...
NLP之文本分类实战入门超详细教程
目录前言一.数据加载 1.加载包 2.读取数据二.文本处理 1.去除无用字符 2.文本分词 3.去除停用词 4.去除低频词 5.划分训练集和测试集三.把文本转换成向量的形式 1.把文本转换成t ...
详细：JAVA从入门到精通视频教程，后台学习历程
详细:JAVA从入门到精通视频教程,后台学习历程 ==基础部分由于百度分享有时效性想要免费资源的请加645969403 1.java基础:高琪java开发300集链接:https://pan.b ...
2022最新版Redis入门到精通(云课堂视频学习笔记)
学习视频: 2022最新版Redis入门到精通 - 网易云课堂学习笔记: 目录一.初识Redis-认识NoSQL 1.认识NoSQL 2.认识Redis 3.安装Redis 二.Redis常见命令 ...
文本分类实战（三）—— charCNN模型
1 大纲概述文本分类这个系列将会有十篇左右,包括基于word2vec预训练的文本分类,与及基于最新的预训练模型(ELMo,BERT等)的文本分类.总共有以下系列: word2vec预训练词向量 te ...
【NLP】文本分类还停留在BERT？对偶对比学习框架也太强了
论文简介:对偶对比学习:如何将对比学习用于有监督文本分类论文标题:Dual Contrastive Learning: Text Classification via Label-Aware Da ...
【NLP】文本分类还停留在BERT？对偶比学习框架也太强了
论文简介:对偶对比学习:如何将对比学习用于有监督文本分类论文标题:Dual Contrastive Learning: Text Classification via Label-Aware Da ...
python从入门到精通-小白如何系统学习python，从入门到精通？
其实Python入门并不难,只要你有足够的自信心,明确学习目标,循序渐进就能不断享受到python带给你创新的乐趣. 大家为什么要学习python呢? 1.python简单易学 python的优势就是 ...

文本分类从入门到精通各种模型的学习——Jieba分词。

结巴中文分词

四种分词模式

算法

主要功能

代码示例

paddle模式

全模式和精确模式

通过Viterbi算法新识别

搜索引擎模式

自定义词典

调整词典

学习心得

文本分类从入门到精通各种模型的学习——Jieba分词。相关推荐

最新文章

热门文章