jieba分词词性对照字典

jieba分词词性对照字典

{'a': '形容词',
 'ad': '副形词',
 'an': '名形词',
 'ag': '形语素',
 'al': '形容词性惯用语',
 'b': '区别词',
 'bl': '区别词性惯用语',
 'c': '连词',
 'cc': '并列连词',
 'd': '副词',
 'e': '叹词',
 'f': '方位词',
 'h': '前缀',
 'k': '后缀',
 'm': '数词',
 'mq': '数量词',
 'n': '名词',
 'nr': '人名',
 'nr1': '汉语姓氏',
 'nr2': '汉语名字',
 'nrj': '日语人名',
 'nrf': '音译人名',
 'ns': '地名',
 'nsf': '音译地名',
 'nt': '机构团体名',
 'nz': '其它专名',
 'nl': '名词性惯用语',
 'ng': '名词性语素',
 'nrt': '音译人名',
 'o': '拟声词',
 'p': '介词',
 'pba': '介词“把”',
 'pbei': '介词“被”',
 'q': '量词',
 'qv': '动量词',
 'qt': '时量词',
 'r': '代词',
 'rr': '人称代词',
 'rz': '指示代词',
 'rzt': '时间指示代词',
 'rzs': '处所指示代词',
 'rzv': '谓词性指示代词',
 'ry': '疑问代词',
 'ryt': '时间疑问代词',
 'rys': '处所疑问代词',
 'ryv': '谓词性疑问代词',
 'rg': '代词性语素',
 's': '处所词',
 't': '时间词',
 'tg': '时语素',
 'u': '未知词',
 'uzhe': '着',
 'ule': '了 喽',
 'uguo': '过',
 'ude1': '的 底',
 'ude2': '地',
 'ude3': '得',
 'usuo': '所',
 'udeng': '等 等等 云云',
 'uyy': '一样 一般 似的 般',
 'udh': '的话',
 'uls': '来讲 来说 而言 说来',
 'uzhi': '之',
 'ulian': '连',
 'v': '动词',
 'vd': '副动词',
 'vn': '名动词',
 'vshi': '动词“是”',
 'vyou': '动词“有”',
 'vf': '趋向动词',
 'vx': '形式动词',
 'vi': '不及物动词(内动词)',
 'vl': '动词性惯用语',
 'vg': '动语素',
 'w': '标点符号',
 'wkz': '左括号',
 'wky': '右括号',
 'wyz': '左引号',
 'wyy': '右引号',
 'wj': '句号',
 'ww': '问号',
 'wt': '叹号',
 'wd': '逗号',
 'wf': '分号',
 'wn': '顿号',
 'wm': '冒号',
 'ws': '省略号',
 'wp': '破折号',
 'wb': '百分号千分号',
 'wh': '单位符号',
 'x': '字符串',
 'xx': '非语素字',
 'xu': '网址URL',
 'y': '语气词',
 'z': '状态词',
 'i': '成语',
 'j': '简称略语',
 'l': '习用语',
 'g': '语素'}

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
结巴分词早期版本。 * 结巴分词(java版) jieba-analysis 首先感谢jieba分词原作者[[https://github.com/fxsjy][fxsjy]],没有他的无私贡献,我们也不会结识到结巴 分词,更不会有现在的java版本。 结巴分词的原始版本为python编写,目前该项目在github上的关注量为170, 打星727次(最新的数据以原仓库为准),Fork238次,可以说已经有一定的用户群。 结巴分词(java版)只保留的原项目针对搜索引擎分词的功能(cut_for_index、cut_for_search),词性标注,关键词提取没有实现(今后如用到,可以考虑实现)。 * 简介 ** 支持分词模式 - Search模式,用于对用户查询词分词 - Index模式,用于对索引文档分词 ** 特性 - 支持多种分词模式 - 全角统一转成半角 - 用户词典功能 - conf 目录有整理的搜狗细胞词库 - 支持词性标注(感谢 [[https://github.com/linkerlin][@linkerlin]] 的贡献) * 如何获取 - 当前稳定版本 #+BEGIN_SRC xml com.huaban jieba-analysis 0.0.2 #+END_SRC - 当前快照版本 - 支持词性标注 [[https://github.com/huaban/jieba-analysis/pull/4][#4]] - 修复以'-'连接词分词错误问题 [[https://github.com/huaban/jieba-analysis/issues/3][#3]] #+BEGIN_SRC xml com.huaban jieba-analysis 1.0.0-SNAPSHOT #+END_SRC * 如何使用 - Demo #+BEGIN_SRC java @Test public void testDemo() { JiebaSegmenter segmenter = new JiebaSegmenter(); String[] sentences = new String[] {"这是一个伸手不见五指的黑夜。我叫孙悟空,我爱北京,我爱Python和C++。", "我不喜欢日本和服。", "雷猴回归人间。", "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", "结果婚的和尚未结过婚的"}; for (String sentence : sentences) { System.out.println(segmenter.process(sentence, SegMode.INDEX).toString()); } } #+END_SRC * 算法(wiki补充...) - [ ] 基于 =trie= 树结构实现高效词图扫描 - [ ] 生成所有切词可能的有向无环图 =DAG= - [ ] 采用动态规划算法计算最佳切词组合 - [ ] 基于 =HMM= 模型,采用 =Viterbi= (维特比)算法实现未登录词识别 * 性能评估 - 测试机配置 #+BEGIN_SRC screen Processor 2 Intel(R) Pentium(R) CPU G620 @ 2.60GHz Memory:8GB 分词测试时机器开了许多应用(eclipse、emacs、chrome...),可能 会影响到测试速度 #+END_SRC - [[src/test/resources/test.txt][测试文本]] - 测试结果(单线程,对测试文本逐行分词,并循环调用上万次) #+BEGIN_SRC screen 循环调用一万次 第一次测试结果: time elapsed:12373, rate:2486.986533kb/s, words:917319.94/s 第二次测试结果: time elapsed:12284, rate:2505.005241kb/s, words:923966.10/s 第三次测试结果: time elapsed:12336, rate:2494.445880kb/s, words:920071.30/s 循环调用2万次 第一次测试结果: time elapsed:22237, rate:2767.593144kb/s, words:1020821.12/s 第二次测试结果: time elapsed:22435, rate:2743.167762kb/s, words:1011811.87/s 第三次测试结果: time elapsed:22102, rate:2784.497726kb/s, words:1027056.34/s 统计结果:词典加载时间1.8s左右,分词效率每秒2Mb多,近100万词。 2 Processor Intel(R) Core(TM) i3-2100 CPU @ 3.10GHz 12G 测试效果 time elapsed:19597, rate:3140.428063kb/s, words:1158340.52/s time elapsed:20122, rate:3058.491639kb/s, words:1128118.44/s #+END_SRC
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值