jieba库

jieba库Pythonjieba库的使用说明1、jieba库基本介绍(1)、jieba库概述jieba是优秀的中文分词第三方库- 中文文本需要通过分词获得单个的词语- jieba是优秀的中文分词第三方库,需要额外安装- jieba库提供三种分词模式,最简单只需掌握

大家好,欢迎来到IT知识分享网。

Python jieba 库的使用说明

 

1、jieba库基本介绍

  (1)、jieba库概述

         jieba是优秀的中文分词第三方库

         – 中文文本需要通过分词获得单个的词语
         – jieba是优秀的中文分词第三方库,需要额外安装

         – jieba库提供三种分词模式,最简单只需掌握一个函数

  (2)、jieba分词的原理

         Jieba分词依靠中文词库

         – 利用一个中文词库,确定汉字之间的关联概率
         – 汉字间概率大的组成词组,形成分词结果

         – 除了分词,用户还可以添加自定义的词组

2、jieba库使用说明

  (1)、jieba分词的三种模式

         精确模式、全模式、搜索引擎模式

         – 精确模式:把文本精确的切分开,不存在冗余单词
         – 全模式:把文本中所有可能的词语都扫描出来,有冗余

         – 搜索引擎模式:在精确模式基础上,对长词再次切分

  (2)、jieba库常用函数


jieba库

 

3、jieba应用实例

 

jieba库

 

4、利用jieba库统计三国演义中任务的出场次数

import  jieba

txt = open("D:\\三国演义.txt", "r", encoding='utf-8').read()
words = jieba.lcut(txt)     # 使用精确模式对文本进行分词
counts = {}     # 通过键值对的形式存储词语及其出现的次数

for word in words:
    if  len(word) == 1:    # 单个词语不计算在内
        continue
    else:
        counts[word] = counts.get(word, 0) + 1    # 遍历所有词语,每出现一次其对应的值加 1
        
items = list(counts.items())#将键值对转换成列表
items.sort(key=lambda x: x[1], reverse=True)    # 根据词语出现的次数进行从大到小排序

for i in range(15):
    word, count = items[i]
    print("{0:<5}{1:>5}".format(word, count))

jieba库

 

统计了次数对多前十五个名词,曹操不愧是一代枭雄,第一名当之无愧,但是我们会发现得到的数据还是需要进一步处理,比如一些无用的词语,一些重复意思的词语。

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/31005.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信