您好,登錄后才能下訂單哦!
如何進(jìn)行NLP基本工具jieba的關(guān)鍵詞提取及詞性標(biāo)注,相信很多沒有經(jīng)驗(yàn)的人對(duì)此束手無策,為此本文總結(jié)了問題出現(xiàn)的原因和解決方法,通過這篇文章希望你能解決這個(gè)問題。
jieba還可以進(jìn)行關(guān)鍵詞提取以及詞性標(biāo)注。
使用:
importjieba # 導(dǎo)入 jieba
importjieba.analyse as anls #關(guān)鍵詞提取
importjieba.posseg as pseg #詞性標(biāo)注
其中,關(guān)鍵詞提取有兩種算法:
第一種是TF-IDF算法(Term Frequency-Inverse Document Frequency, 詞頻-逆文件頻率),其基本思想為:一個(gè)詞語在一篇文章中出現(xiàn)次數(shù)越多,同時(shí)在所有文檔中出現(xiàn)次數(shù)越少,越說明該詞語能夠代表該文章。
第二種是TextRank算法,基本思想:
將待抽取關(guān)鍵詞的文本進(jìn)行分詞
以固定窗口大小(默認(rèn)為5,通過span屬性調(diào)整),詞之間的共現(xiàn)關(guān)系,構(gòu)建圖
計(jì)算圖中節(jié)點(diǎn)的PageRank,無向帶權(quán)圖
代碼:
TF-IDF: jieba.analyse.extract_tags(sentence,topK=20, withWeight=True, allowPOS=())
TextRank:jieba.analyse.textrank(sentence, topK=20, withWeight=True)
其中,topK是輸出多少個(gè)關(guān)鍵詞,withWeight是否輸出每個(gè)關(guān)鍵詞的權(quán)重。
輸入語句“jieba除了最重要的功能--分詞之外,還可以進(jìn)行關(guān)鍵詞提取以及詞性標(biāo)注”:
TF-IDF輸出的關(guān)鍵詞:
詞性 0.91
jieba0.85
-- 0.85
分詞 0.84
標(biāo)注 0.66
關(guān)鍵詞 0.64
提取 0.54
之外 0.42
功能 0.39
除了 0.37
重要 0.29
以及 0.29
進(jìn)行 0.27
可以 0.25
TextRank輸出的關(guān)鍵詞:
詞性 1.00
提取 0.99
關(guān)鍵詞 0.99
功能 0.90
分詞 0.90
進(jìn)行 0.76
標(biāo)注 0.75
相對(duì)而言,TextRank輸出的關(guān)鍵詞更規(guī)整一些。
詞性標(biāo)注
使用jieba.posseg進(jìn)行詞性的標(biāo)注。
代碼:
importjieba.posseg
words =jieba.posseg.cut("我來到北京清華大學(xué)")
for x, win words:
print('%s %s' % (x, w))
輸出:
我 r
來到 v
北京 ns
清華大學(xué) nt
看完上述內(nèi)容,你們掌握如何進(jìn)行NLP基本工具jieba的關(guān)鍵詞提取及詞性標(biāo)注的方法了嗎?如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道,感謝各位的閱讀!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。