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:
    基于Python的jieba中文分词包的安装_第1张图片
  • 通过 import jieba 来引用,没有出现报错则表示安装成功。
    基于Python的jieba中文分词包的安装_第2张图片
  • 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

基于Python的jieba中文分词包的安装_第3张图片

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

你可能感兴趣的:(Python)