NLP实践2 Jieba分词

最新推荐文章于 2024-06-03 09:57:18 发布

言微

最新推荐文章于 2024-06-03 09:57:18 发布

阅读量309

点赞数 1

分类专栏： Machine learning 文本分类文章标签： Jieba

Machine learning 同时被 2 个专栏收录

8 篇文章

订阅专栏

文本分类

2 篇文章

订阅专栏

本文介绍如何安装和使用jieba分词器，包括三种分词模式：精确模式、全模式和搜索引擎模式。通过实例展示了不同模式下对中文文本的处理效果，适用于文本分析和搜索引擎优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装jieba

命令：pip install Jieba

特点

支持三种分词模式：

精确模式，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, 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，对长词再次切分，提高召回率，适合用于搜索引擎分词。
支持繁体分词
支持自定义词典
MIT 授权协议

安装测试

import jieba

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

seg_list = jieba.cut("他来到了网易杭研大厦")  # 默认是精确模式
print(", ".join(seg_list))

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))

##运行结果

runfile('C:/Users/admin/Documents/Python examp/Jieba20190514.py', wdir='C:/Users/admin/Documents/Python examp')
Building prefix dict from the default dictionary ...
Loading model from cache C:\Users\admin\AppData\Local\Temp\jieba.cache
Loading model cost 0.958 seconds.
Prefix dict has been built succesfully.
Full Mode: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学
Default Mode: 我/ 来到/ 北京/ 清华大学
他, 来到, 了, 网易, 杭研, 大厦
小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, ，, 后, 在, 日本, 京都, 大学, 日本京都大学, 深造