Full Mode:Building Trie...,
from C:\Users\Administrator\Desktop\jieba-0.33\jieba\dict.txt
loading model from cache
c:\users\admini~1\appdata\local\temp\jieba.cache
loading model cost 2.80800008774 seconds.
Trie has been built succesfully.
此文/ 为/ 本人/ 的/ 学习/ 笔记/ ,/ 目的/
在于/ ,/ 以后/ 自己/ 复习/ ,/ 如果/ 能/ 帮上/ 正在/ 学习/ 结巴/ 分词/ 的/ 人们/ ,/ 那/ 也/
再好不过/ 。/ 引用/ 俺/ 导师/ 教导/ 我/ 的/ 一句/ 话/ ,/ 毫无/ 章法/ 可言/ ,/ 你/ 受累/ 了/
。
结巴分词的过程:
0 结巴分词的准备工作
开发者首先根据大量的人民日报训练了得到了字典库、和Hmm中的转移概率矩阵和混淆矩阵。
1. 加载字典, 生成trie树
为什么要加载字典树呢,是因为如果没有字典树,那么扫描将会是一个庞大的工程,有了字典树就可以在该分支上扫描。例如扫描“中国人民银行”(正向最大匹配)先扫描6个字的字典库,找到了“中国人民银行”,然后再去掉一个字变成了“中国人民银”,假如没有字典树的话,就会把所有五个字的字典库搜索一遍。但是现在就不会了,只要把“中国人民”和“中国人民银行”之间的节点搜索一遍就行了,大大的节省了时间。有句话叫以空间换时间,最适合用来表达这个意思。
2. 给定待分词的句子, 使用正则获取连续的