jieba分词的三种模式

jieba分词的三种模式

#测试jieba 分词三种模式的区别
seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所，后在日本京都大学深造")  # 搜索引擎模式
print(", ".join(seg_list))
#小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, ，, 后, 在, 日本, 京都, 大学, 日本京都大学, 深造
print("---------------------------")



seg_list2 = jieba.cut("小明硕士毕业于中国科学院计算所，后在日本京都大学深造",cut_all=False)  # 精确模式
print(", ".join(seg_list2))
#小明, 硕士, 毕业, 于, 中国科学院, 计算所, ，, 后, 在, 日本京都大学, 深造
print("---------------------------")





seg_list3 = jieba.cut("小明硕士毕业于中国科学院计算所，后在日本京都大学深造",cut_all=True)  # 全模式
print(", ".join(seg_list3))
#小, 明, 硕士, 毕业, 于, 中国, 中国科学院, 科学, 科学院, 学院, 计算, 计算所, ，, 后, 在, 日本, 日本京都大学, 京都, 京都大学, 大学, 深造





#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：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。---介于全模式和精确模式之间
#精确模式：试图将句子最精确地切开，适合文本分析；

#搜索引擎更注重召回率因为要保证的是不遗漏正确的分词，精确率可以差一点，比如说搜索一页得不到想要的结果，可以多搜几页