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。

分词方法

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。

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。

编码

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

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

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。

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

Python自然语言处理常用库——jieba库

Python自然语言处理常用库——jieba库

Python自然语言处理常用库——jieba库

中文分词库 jieba

Python 中的 jieba 库

jieba(结巴)常用方法