中文分词与去除停用词

jieba分词的三种模式

  • 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,对长词再次切分。
jieba库的解析
  • jieba.cut(s):精确模式,返回一个可迭代的数据类型,生成迭代器。
  • jieba.cut(s,cut_all=True):全模式,输出文本s中所有可能的单词,生成迭代器。
  • jieba.cut_for_search(s):搜索引擎模式,适合搜索,生成迭代器。

  • jieba.lcut(s):精确模式,返回一个列表类型,建议使用。
  • jieba.lcut(s,cut_all=True):全模式,返回一个列表类型,建议使用。
  • jieba.lcut_for_search(s):搜索引擎模式,返回一个列表类型,建议使用。

  • jieba.add_word(w):向分词词典中增加新词w。
  • jieba.del_word(w):从分词词典中删除词w。

下面来试一下

import jieba
s='今天天气好冷,快出太阳'
jieba.lcut(s)

[‘今天天气’, ‘好’, ‘冷’, ‘,’, ‘快出’, ‘太阳’]

#有冗余
jieba.lcut(s,cut_all=True)

[‘今天’, ‘今天

  • 15
    点赞
  • 106
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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