1、简要说明Cya免费资源网

结巴分词支持三种分词模式,支持繁体字,支持自定义词典Cya免费资源网

2、三种分词模式Cya免费资源网

全模式:把句子中所有的可以成词的词语都扫描出来, 速度非常快,但是不能解决歧义Cya免费资源网

精简模式:把句子最精确的分开,不会添加多余单词,看起来就像是把句子分割一下Cya免费资源网

搜索引擎模式:在精简模式下,对长词再度切分Cya免费资源网

# -*- encoding=utf-8 -*-
import jieba
if __name__ == '__main__':
str1 = '我去北京天安门广场跳舞'
a = jieba.lcut(str1, cut_all=True) # 全模式
print('全模式:{}'.format(a))
b = jieba.lcut(str1, cut_all=False) # 精简模式
print('精简模式:{}'.format(b))
c = jieba.lcut_for_search(str1) # 搜索引擎模式
print('搜索引擎模式:{}'.format(c))
运行Cya免费资源网
Cya免费资源网
3、某个词语不能被分开Cya免费资源网
# -*- encoding=utf-8 -*-
import jieba
if __name__ == '__main__':
str1 = '桃花侠大战菊花怪'
b = jieba.lcut(str1, cut_all=False) # 精简模式
print('精简模式:{}'.format(b))
# 如果不把桃花侠分开
jieba.add_word('桃花侠')
d = jieba.lcut(str1) # 默认是精简模式
print(d)
运行Cya免费资源网
Cya免费资源网
4、 某个单词必须被分开Cya免费资源网
# -*- encoding=utf-8 -*-
import jieba
if __name__ == '__main__':
# HMM参数,默认为True
'''HMM 模型,即隐马尔可夫模型(Hidden Markov Model, HMM),是一种基于概率的统计分析模型,
用来描述一个系统隐性状态的转移和隐性状态的表现概率。
在 jieba 中,对于未登录到词库的词,使用了基于汉字成词能力的 HMM 模型和 Viterbi 算法,
其大致原理是:
采用四个隐含状态,分别表示为单字成词,词组的开头,词组的中间,词组的结尾。
通过标注好的分词训练集,可以得到 HMM 的各个参数,然后使用 Viterbi 算法来解释测试集,得到分词结果。
'''
str1 = '桃花侠大战菊花怪'
b = jieba.lcut(str1, cut_all=False, HMM=False) # 精简模式,且不使用HMM模型
print('精简模式:{}'.format(b))
# 分开大战为大和战
jieba.suggest_freq(('大', '战'), True)
e = jieba.lcut(str1, HMM=False) # 不使用HMM模型
print('分开:{}'.format(e))

运行Cya免费资源网