自然語言處理基礎技術工具篇之Jieba

沒想到堅持學習以及寫作總結已經超過半個月了，謝謝大家的關注、點讚、收藏~~

前面談了nlp的基礎技術，我始終覺得，入門學習一件事情最好的方式就是實踐，加之現在python如此好用，有越來越多的不錯nlp的python庫，所以接下來的一段時間裡，讓我們一起來感受一下這些不錯的工具。

（**我均使用jupyter編輯）~~

先來羅列一波：jieba、hanlp、snownlp、stanfordcorenlp、spacy、pyltp、nltk、textblob等等…今天從jieba開始吧，let』s begin~~

希望能繼續得到大家的指點、關注、點讚以及收藏哈哈哈

jieba工具demo

安裝：pip install jieba

支援三種分詞模式（預設是精確模式）：

精確模式，試圖將句子最精確地切開，適合文字分析；

全模式，把句子中所有的可以成詞的詞語都掃瞄出來, 速度非常快，但是不能解決歧義；

搜尋引擎模式，在精確模式的基礎上，對長詞再次切分，提高召回率，適合用於搜尋引擎分詞。

import jieba

segfull_list = jieba.cut("我愛自然語言處理技術！", cut_all=true)
print("full mode: " + " ".join(segfull_list))  # 全模式
segdef_list = jieba.cut("我愛自然語言處理技術!", cut_all=false)
print("default mode: " + "  ".join(segdef_list))  # 精確模式
seg_search_list = jieba.cut_for_search("我愛自然語言處理技術!")  # 搜尋引擎模式
print("search mode:" + " ".join(seg_search_list))
building prefix dict from the default dictionary ...
loading model cost 0.830 seconds.
prefix dict has been built succesfully.
full mode: 我 愛 自然 自然語言 語言 處理 技術  
default mode: 我  愛  自然語言  處理  技術  !
search mode:我 愛 自然 語言 自然語言 處理 技術 !

sentence：待分析文字；

allowpos：僅包括指定詞性的詞，預設值為空，即不篩選

import jieba.analyse

sentence = "我愛自然語言處理技術!"
tags = jieba.analyse.extract_tags(sentence, withweight=true, topk=2, allowpos=())
print(tags)
[('自然語言', 3.4783139164), ('處理', 1.8036185524533332)]

allowpos：預設過濾詞性

jieba.analyse.textrank(sentence, topk=1, withweight=false, allowpos=('ns', 'n', 'vn', 'v'))

['技術']

import jieba.posseg as pseg

sentence = "我愛自然語言處理！"
words = pseg.cut(sentence)
for word, flag in words:    
print('%s %s' % (word, flag))
我 r愛 v
自然語言 l
處理 v
！ x

result = jieba.tokenize(u'我愛自然語言處理')

for tk in result:
print("word %s\t\t start: %d \t\t end:%d" % (tk[0],tk[1],tk[2]))
word 我       start: 0        end:1
word 愛       start: 1        end:2
word 自然語言        start: 2        end:6
word 處理      start: 6        end:8

歡迎關注【ai小白入門】，這裡分享python、機器學習、深度學習、自然語言處理、人工智慧等技術，關注前沿技術，求職經驗等，陪有夢想的你一起成長。

自然語言處理基礎技術工具篇之spaCy

安裝 pip install spacy 國內源安裝 pip install spacy i import spacy nlp spacy.load en doc nlp u this is a sentence.1.tokenize功能for token in doc print token th...

自然語言處理基礎技術工具篇之TextBlob

安裝 pip install textblob 配置國內源安裝 pip install textblob i 參考 from textblob import textblobtext i love natural language processing i am not like fish blob...

自然語言處理基礎技術工具篇之Flair

flair簡介 flair是最近開源的乙個基於pytorch的nlp框架，據官方github介紹，它具有以下特點 乙個功能強大的nlp庫。flair允許您將最先進的自然語言處理 nlp 模型應用於您的文字，例如命名實體識別 ner 詞性標註 pos 意義消歧和分類。文字嵌入庫。flair具有簡單的介...