zoukankan      html  css  js  c++  java
  • 哈工大分词器中自定义词典的使用

    首先在/usr/local/ltp下放置一个词典,我为了测试就叫userdict.txt ,里面有三个词:
    解空间
    深度优先
    根节点

    先测试加入自定义词典时的效果:

    py@ubuntu:/usr/local/ltp$ python
    Python 2.7.12 (default, Nov 19 2016, 06:48:10)
    [GCC 5.4.0 20160609] on linux2
    Type "help", "copyright", "credits" or "license" for more information.
    >>> import sys
    >>> import os
    >>> from pyltp import Segmentor
    >>> reload(sys)
    <module 'sys' (built-in)>
    >>> sys.setdefaultencoding('utf-8')
    >>> model_path = "/usr/local/ltp/cws.model"
    >>> user_dict = "/usr/local/ltp/userdict.txt"
    >>> segmentor = Segmentor()
    >>> segmentor.load_with_lexicon(model_path, user_dict)
    [INFO] 2017-09-04 23:23:24 loaded 3 lexicon entries
    >>> sent = "在包含问题的所有解的解空间树中,按照深度优先搜索的策略,从根节点出发深度探索 解空间树。"
    >>> words = segmentor.segment(sent)
    >>> print ' '.join(words)
    在    包含    问题    的    所有    解    的    解空间    树    中    ,    按照    深度优先    搜索    的    策略    ,    从    根节点    出发    深度    探索    解空间    树    。


    没加自定义词典时的效果:
    py@ubuntu:/usr/local/ltp$ python
    Python 2.7.12 (default, Nov 19 2016, 06:48:10)
    [GCC 5.4.0 20160609] on linux2
    Type "help", "copyright", "credits" or "license" for more information.
    >>> import sys
    >>> import os
    >>> reload(sys)
    <module 'sys' (built-in)>
    >>> sys.setdefaultencoding('utf-8')
    >>> model_path = "/usr/local/ltp/cws.model"
    >>> segmentor = Segmentor()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    NameError: name 'Segmentor' is not defined
    >>> from pyltp import Segmentor
    >>> segmentor = Segmentor()
    >>> segmentor.load(model_path)
    >>> words = segmentor.segment("在包含问题的所有解的解空间树中,按照深度优先搜索的策略,从根节点出发深度探索 解空间树。")
    >>> print ' '.join(words)
    在    包含    问题    的    所有    解    的    解    空间    树    中    ,    按照    深度    优先    搜索    的    策略    ,    从    根节点    出发    深度    探索    解    空间    树    。


    从结果看加与不加自定义词典是显而易见的。

  • 相关阅读:
    iOS开发之Quartz2D 二:绘制直线,曲线,圆弧,矩形,椭圆,圆
    统计英文文章中各单词的频率,打印频率最高的十个单词(C语言实现)
    Android protectionLevel
    nmon for linux
    UFT 小技巧
    adb测试使用相关
    Java 反射
    Android USB安全调试
    android.process.acore和system进程
    Android 屏幕截图
  • 原文地址:https://www.cnblogs.com/herosoft/p/8134223.html
Copyright © 2011-2022 走看看