基于Python的jieba中文分词包的安装

基于Python的jieba中文分词包的安装

---

“结巴”中文分词：做最好的 Python 中文分词组件

1.特点

• 支持三种分词模式：
  • 精确模式，试图将句子最精确地切开，适合文本分析；
  • 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；
  • 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。
• 支持繁体分词
• 支持自定义词典
• MIT 授权协议

2.安装说明

• 全自动安装：easy_install jieba 或者 pip install jieba / pip3 install jieba
• 半自动安装：先下载 <链接：https://pan.baidu.com/s/127bByEHHQjkbTWaHOv8C8Q 提取码：pc8t
  解压后运行 python setup.py install
• 手动安装：将 jieba 目录放置于当前目录或者 site-packages 目录
• 安装过程如下所示：
  
• 通过 import jieba 来引用，没有出现报错则表示安装成功。
  
• 在安装有python3 和 pip 的机子上，安装jieba库很简单，在任意命令行窗口使用pip即可：

pip install jieba

3.算法

• 基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG)
• 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
• 对于未登录词，采用了基于汉字成词能力的 HMM 模型，使用了 Viterbi 算法