python用字典实现倒排索引_lawa基于法律语料的文本分词工具（法阿-python）

lawa[1]是一个基于法律语料的中文分词工具，其中文名“法阿”，工具目标是做最好的 Python 法律中文分词组件。

特点支持三种分词模式：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。

支持简体分词

支持自定义词典

MIT 授权协议

安装说明代码对 Python 2/3 均兼容

全自动安装： easy_install lawa 或者 pip install lawa / pip3 install lawa

半自动安装：先下载 https://pypi.python.org/pypi/lawa/ ，或github[2]，解压后运行 python setup.py install

手动安装：将 lawa 目录放置于当前目录或者 site-packages 目录

通过 import lawa 来引用

算法基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG)

采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合

对于未登录词，采用了基于汉字成词能力的 HMM 模型，使用了 Viterbi 算法

主要功能分词lawa.cut 方法接受三个输入参数: 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；

lawa.cut_fo