Python自然语言处理常用库——jieba库
Posted AI算法攻城狮
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python自然语言处理常用库——jieba库相关的知识,希望对你有一定的参考价值。
一. 分词
1、jieba.cut方法接受四个输入参数
①需要分词的字符串;
②cut_all参数用来控制是否采用全模式;
③HMM参数用来控制是否使用HMM模型;
④use_paddle参数用来控制是否使用paddle模式下的分词模式,enable_paddle接口安装paddlepaddle-tiny,并且import相关代码。
2、jieba.cut_for_search 方法接受两个参数:
①需要分词的字符串;
②是否使用HMM模型。
该方法适合用于搜索引擎构建待排索引的分词,粒度比较细。
3、待分词的字符串可以是unicode、UTF-8、GBK字符串。注意:不建议直接输入GBK字符串,可能无法预料地错误解码成UTF-8
4、jieba.cut以及jieba.cut_for_search返回的结构都是一个可迭代的generator,可以使用for循环来获取分词后得到的每一个词语(unicode),或者用jieba.cut以及jieba.cut_for_search直接返回list
5、jiaba.tokenizer(dictionary=DEFAULT_DICT)新建自定义分词器,可用于同时使用不同词典。jieba.dt为默认分词器。所有全局分词相关函数都是该分词器的映射。
二、添加自定义词典
1、载入词典
开发者可以指定自定义词典,以便包含jieba词库里没有的词。虽然jieba有新词识别功能。但是自行添加新词可以保证更高的正确率。
用法:jieba.load_userdict(file_name) #file_name为文件类对象或自定义词典的路径
词典格式和dict.txt一样,一个词占一行;每一行分三部分&#
以上是关于Python自然语言处理常用库——jieba库的主要内容,如果未能解决你的问题,请参考以下文章