1 文本分词与红楼梦文本分词应用 --- 机器学习之文本挖掘

2023-12-16 02:40

本文主要是介绍1 文本分词与红楼梦文本分词应用 --- 机器学习之文本挖掘,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

作者:Irain
QQ:2573396010
微信:18802080892
GitHub项目链接:https://github.com/Irain-LUO/machine_learning
视频资源链接:https://www.bilibili.com/video/BV1FJ411B7S1?p=61

目录

      • 1 下载jieba库
      • 2 jieba库自带的dict词典
      • 3 分词示例
        • 3.1分词的三种模式
        • 3.2词性标注示例
      • 4 词库中更改词
      • 5 加载自定义词库
      • 6 改变词频
      • 7 提取固定数量的关键词
      • 8 返回词语的位置
        • 8.1 默认模式:返回词语的位置
        • 8.2 搜索引擎模式,返回词语的位置
      • 9 红楼梦文本分词应用

1 下载jieba库

在这里插入图片描述

下载命令(为快不破):pip install jieba -i https://pypi.douban.com/simple/

在这里插入图片描述

下载命令(受不了):pip install jieba

2 jieba库自带的dict词典

在这里插入图片描述

3 分词示例

3.1分词的三种模式

在这里插入图片描述

import jieba
sentence = "我是一位火影忍者超级脑残粉迷"
print(sentence)
print("-"*30,"全模式切分","-"*30)
cut1 = jieba.cut(sentence,cut_all=True)
print("cut函数返回类型:",type(cut1))
for cut in cut1:print(cut)print("-"*30,"精准模式切分","-"*30)
cut2 = jieba.cut(sentence,cut_all=False)
print("cut函数返回类型:",type(cut2))
for cut in cut2:print(cut)print("-"*30,"搜索引擎模式切分","-"*30)
cut3 = jieba.cut_for_search(sentence)
print("cut函数返回类型:",type(cut3))
for cut in cut3:print(cut)print("-"*30,"默认模式:精准模式切分","-"*30)
cut4 = jieba.cut(sentence)
print("cut函数返回类型:",type(cut4))
for cut in cut4:print(cut)
3.2词性标注示例

在这里插入图片描述

'''
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:动名词、w:标点符号、un:未知词语
'''
print("-"*30,"词性标注","-"*30)
import jieba.posseg
cut5 = jieba.posseg.cut(sentence)
print("cut函数返回类型:",type(cut5))
print("词 --- 词性")
for cut in cut5:print(cut.word + "---" + cut.flag)

4 词库中更改词

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

自定义词库的词性可以省略

5 加载自定义词库

在这里插入图片描述
在这里插入图片描述

sentence = "撒野去是一位火影忍者超级脑残粉迷"
print("-"*30,"自定义词库 ","-"*30)
jieba.load_userdict("E:/Working/Python37-32/Lib/site-packages/jieba/dict1.txt")
import jieba.posseg
cut6 = jieba.posseg.cut(sentence)
print("cut函数返回类型:",type(cut6))
print("词 --- 词性")
for cut in cut6:print(cut.word + "---" + cut.flag)

6 改变词频

在这里插入图片描述

print("-"*30,"更改词频","-"*30)
cut7 = jieba.cut(sentence)
print("cut函数返回类型:",type(cut7))
for cut in cut7:print(cut)
print("")
jieba.suggest_freq("粉迷",True)
cut7 = jieba.cut(sentence)
print("cut函数返回类型:",type(cut7))
for cut in cut7:print(cut)
print("")

7 提取固定数量的关键词

在这里插入图片描述

import jieba.analyse
print("-"*30,"提取固定数量的关键词","-"*30)
cut8 = jieba.analyse.extract_tags(sentence,2)
print("cut函数返回类型:",type(cut8))
for cut in cut8:print(cut)

8 返回词语的位置

8.1 默认模式:返回词语的位置

在这里插入图片描述

print("-"*30,"默认模式:返回词语的位置","-"*30)
cut9 = jieba.tokenize(sentence)
print("cut函数返回类型:",type(cut9))
for cut in cut9:print(cut)
8.2 搜索引擎模式,返回词语的位置

在这里插入图片描述

print("-"*30,"搜索引擎模式,返回词语的位置","-"*30)
cut10 = jieba.tokenize(sentence,mode="serach")
print("cut函数返回类型:",type(cut10))
for cut in cut10:print(cut)
print("")

9 红楼梦文本分词应用

在这里插入图片描述
在这里插入图片描述

红楼梦文本下载链接:一生只爱红楼梦

print("-"*30,"红楼梦文本分词应用","-"*30)
data = open("红楼梦.txt",'r',encoding='utf-8').read()
cut12 = jieba.analyse.extract_tags(data,30)
print(cut12)

发布:2020年5月21日

这篇关于1 文本分词与红楼梦文本分词应用 --- 机器学习之文本挖掘的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/498807

相关文章

CSS中的Static、Relative、Absolute、Fixed、Sticky的应用与详细对比

《CSS中的Static、Relative、Absolute、Fixed、Sticky的应用与详细对比》CSS中的position属性用于控制元素的定位方式,不同的定位方式会影响元素在页面中的布... css 中的 position 属性用于控制元素的定位方式,不同的定位方式会影响元素在页面中的布局和层叠关

SpringBoot3应用中集成和使用Spring Retry的实践记录

《SpringBoot3应用中集成和使用SpringRetry的实践记录》SpringRetry为SpringBoot3提供重试机制,支持注解和编程式两种方式,可配置重试策略与监听器,适用于临时性故... 目录1. 简介2. 环境准备3. 使用方式3.1 注解方式 基础使用自定义重试策略失败恢复机制注意事项

苹果macOS 26 Tahoe主题功能大升级:可定制图标/高亮文本/文件夹颜色

《苹果macOS26Tahoe主题功能大升级:可定制图标/高亮文本/文件夹颜色》在整体系统设计方面,macOS26采用了全新的玻璃质感视觉风格,应用于Dock栏、应用图标以及桌面小部件等多个界面... 科技媒体 MACRumors 昨日(6 月 13 日)发布博文,报道称在 macOS 26 Tahoe 中

Python实现精准提取 PDF中的文本,表格与图片

《Python实现精准提取PDF中的文本,表格与图片》在实际的系统开发中,处理PDF文件不仅限于读取整页文本,还有提取文档中的表格数据,图片或特定区域的内容,下面我们来看看如何使用Python实... 目录安装 python 库提取 PDF 文本内容:获取整页文本与指定区域内容获取页面上的所有文本内容获取

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和

Python使用Tkinter打造一个完整的桌面应用

《Python使用Tkinter打造一个完整的桌面应用》在Python生态中,Tkinter就像一把瑞士军刀,它没有花哨的特效,却能快速搭建出实用的图形界面,作为Python自带的标准库,无需安装即可... 目录一、界面搭建:像搭积木一样组合控件二、菜单系统:给应用装上“控制中枢”三、事件驱动:让界面“活”

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

详解如何使用Python从零开始构建文本统计模型

《详解如何使用Python从零开始构建文本统计模型》在自然语言处理领域,词汇表构建是文本预处理的关键环节,本文通过Python代码实践,演示如何从原始文本中提取多尺度特征,并通过动态调整机制构建更精确... 目录一、项目背景与核心思想二、核心代码解析1. 数据加载与预处理2. 多尺度字符统计3. 统计结果可

如何确定哪些软件是Mac系统自带的? Mac系统内置应用查看技巧

《如何确定哪些软件是Mac系统自带的?Mac系统内置应用查看技巧》如何确定哪些软件是Mac系统自带的?mac系统中有很多自带的应用,想要看看哪些是系统自带,该怎么查看呢?下面我们就来看看Mac系统内... 在MAC电脑上,可以使用以下方法来确定哪些软件是系统自带的:1.应用程序文件夹打开应用程序文件夹

Python Flask 库及应用场景

《PythonFlask库及应用场景》Flask是Python生态中​轻量级且高度灵活的Web开发框架,基于WerkzeugWSGI工具库和Jinja2模板引擎构建,下面给大家介绍PythonFl... 目录一、Flask 库简介二、核心组件与架构三、常用函数与核心操作 ​1. 基础应用搭建​2. 路由与参