python 数据挖掘篇 一 结巴分词

Python 数据挖掘学习

一 结巴分词

github地址：https://github.com/fxsjy/jieba

"结巴"中文分词：做最好的 Python 中文分词组件

还记得当时想用C++，实现分词，资料那个难找，调试那个麻烦，BUG那个多，说多了都是泪，开始入手python 数据挖掘，看看这个能简单不。

安装

这种效率比c++安装分词库 方便多了。

使用

词性标注

常用的一些符号及词性的对应关系为：a:形容词c:连词d:副词e:叹词f:方位词i:成语m:数词n:名词nr:人名ns:地名nt:机构团体nz:其他专有名词p:介词r:代词t:时间u:助词v:动词vn:名动词w:标点符号un:未知词语

更详细资料 可以搜索 计算所汉语词性标记集

一个自定义字典的例子：

注意要用：UTF-8格式保存

基本用法

1、 基本分词

2、 根据词性属性分词

创建字典

UTF-8格式保存

3、 提取关键字

4、 返回词语位置