一、Jieba中文分词
本文使用jieba进行文本进行分词处理,它有3种模式,精确模式,全模式模式,搜索引擎模式:
· 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。
现以“南京市长江大桥”为例,3种分词模式的结果如下:
【全模式】: 南京 南京市 京市 市长 长江 长江大桥 大桥
【精确模式】: 南京市 长江大桥
【搜索引擎模式】: 南京 京市 南京市 长江 大桥 长江大桥
为了避免歧义和切出符合预期效果,在这里使用精确模式
1 importjieba2 all_mode=jieba.cut('南京市长江大桥',cut_all=True)3 alls=" ".join(all_mode)4 print('【全模式】:',alls)5 jingque=jieba.cut('南京市长江大桥',cut_all=False)6 jings=" ".join(jingque)7 print('【精确模式】:',jings)8 search=jieba.cut_for_search('南京市长江大桥')9 searchs=" ".join(search)10 print('【搜索引擎模式】:',searchs)