文档:https://github.com/fxsjy/jieba
安装
pip install jieba
分词
cut/lcut(self, sentence, cut_all=False, HMM=True, use_paddle=False)
# 参数:
sentence 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
切出了词典中没有的词语,效果不理想,可以关闭新词发现 HMM=False
自定义词典
格式:
词语、词频(可省略)、词性(可省略)
示例 user-dict.txt
创新办 3 i
云计算 5
凱特琳 nz
台中
载入词典
# 载入词典
jieba.load_userdict(file_name)
修改词典
# 动态修改词典
add_word(word, freq=None, tag=None)
del_word(word)
# 调节单个词语的词频
suggest_freq(segment, tune=True)
改变主词典的路径
# 加载自定义词典
jieba_token = jieba.Tokenizer(dictionary='user-dict.txt')
# 或者 手动初始化
jieba.initialize(dictionary='user-dict.txt')
# 或者 改变主词典的路径
jieba.set_dictionary('user-dict.txt')