每日10行代码88:结巴分词中控制词语切分粒度

今天用结巴分词时遇到一个问题:
我想切分:

武汉市环境卫生管理局

直接切分的话生成的是:

武汉市,环境卫生,管理局

但我希望的是:

武汉市,环境,卫生,管理,局

这时有两种方法:

  1. 用suggest_freq方法:
jieba.suggest_freq(('管理','局'), True)
  1. 修改dict.txt:
    直接修改jieba目录下的dict.txt文件,删掉相应的管理局,环境卫生等词语,删掉后,结巴分词不会立即生效,需要删掉jieba生成的cache文件,我的是在以下目录:

C:\Users\Administrator\AppData\Local\Temp

Ps: 不知道为什么,我前面删掉这个文件后运行脚本会报错,过了一会莫名其妙的又好了。

方法1的好处是可以用来临时调整下,不影响以后的分词,方法2可以一劳永逸解决问题,唯一要注意的是修改前记着备份下原文件。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值