jieba 结巴分词详解

Posted K同学啊

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jieba 结巴分词详解相关的知识,希望对你有一定的参考价值。


📌 结巴分词代码

import jieba

# 如果你需要自定义专有名词,请加上这行代码
jieba.load_userdict('dict.txt')

job_title= pd.DataFrame()
job_title["title_jieba"] = df["job_title"].apply(lambda x:' '.join(jieba.cut(x)))
job_title[:3]


你可能还需要📌去除停用词的代码

with open("my_stop_words.txt", "r") as f:
    stopwords = f.readlines()
    
stopwords_list = []
for each in stopwords:
    stopwords_list.append(each.strip('\\n'))

def remove_stopwords(ls):  # 去除停用词
    ls = ls.split(" ")
    return [word for word in ls if word not in stopwords_list]

job_title['去除停用词后的数据']=job_title["title_jieba"].apply(lambda x: remove_stopwords(x))
job_title

以上是关于jieba 结巴分词详解的主要内容,如果未能解决你的问题,请参考以下文章

ElasticSearch自定义分析器-集成结巴分词插件

jieba结巴分词

python结巴(jieba)分词

jieba:我虽然结巴,但是我会分词啊

转]python 结巴分词(jieba)学习

结巴分词 java 高性能实现,是 huaban jieba 速度的 2倍