jieba库词频统计_运用jieba库进行词频统计

Python第三方库jieba(中文分词)

一、概述

jieba是优秀的中文分词第三方库

- 中文文本需要通过分词获得单个的词语

- jieba是优秀的中文分词第三方库，需要额外安装

- jieba库提供三种分词模式，最简单只需掌握一个函数

二、安装说明

全自动安装：(cmd命令行)  pip install jieba

安装成功显示

三、特点 —— jieba分词

1. 原理：jieba分词依靠中文词库

- 利用一个中文词库，确定中文字符之间的关联概率

- 中文字符间概率大的组成词组，形成分词结果

- 除了分词，用户还可以添加自定义的词组

2. 三种分词模式：

精确模式：试图将句子最精确地切开，不存在冗余单词，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，有冗余，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。

四、jieba库常用函数

代码示例

结果输出：['中国', '是', '一个', '伟大', '的', '国家']

2. jieba.lcut(s, cut_all=True) #全模式，返回一个列表类型的分词结果，存在冗余

代码示例

jieba.lcut("中国是一个伟大