shuchen
前端工程师
Front-end,reading and music
获得徽章 4
- 444
- jieba —— Python 中文分词组件 GitHub 地址：
github.com
“结巴”中文分词，做最好的 Python 中文分词组件。
支持三种分词模式：
1、精确模式，试图将句子最精确地切开，适合文本分析；
2、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；
3、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
jieba 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
在线演示：jiebademo.ap01.aws.af.cm 展开评论20 - 评论48
github.com