中文分词工具jieba中的词性类型
jieba为自然语言语言中常用工具包,jieba具有对分词的词性进行标注的功能,词性类别如下:
|
Ag |
形语素 |
形容词性语素。形容词代码为 a,语素代码g前面置以A。 |
|
a |
形容词 |
取英语形容词 adjective的第1个字母。 |
|
ad |
副形词 |
直接作状语的形容词。形容词代码 a和副词代码d并在一起。 |
|
an |
名形词 |
具有名词功能的形容词。形容词代码 a和名词代码n并在一起。 |
|
b |
区别词 |
取汉字“别”的声母。 |
|
c |
连词 |
取英语连词 conjunction的第1个字母。 |
|
dg
|
副语素 |
副词性语素。副词代码为 d,语素代码g前面置以D。 |
|
d |
副词 |
取 adverb的第2个字母,因其第1个字母已用于形容词。 |
|
e |
叹词 |
取英语叹词 exclamation的第1个字母。 |
|
f |
方位词 |
取汉字“方” |
|
g |
语素 |
绝大多数语素都能作为合成词的“词根”,取汉字“根”的声母。 |
|
h |
前接成分 |
取英语 head的第1个字母。 |
|
i |
成语 |
取英语成语 idiom的第1个字母。 |
|
j |
简称略语 |
取汉字“简”的声母。 |
|
k |
后接成分 |
|
|
l |
习用语 |
习用语尚未成为成语,有点“临时性”,取“临”的声母。 |
|
m |
数词 |
取英语 numeral的第3个字母,n,u已有他用。 |
|
Ng |
名语素 |
名词性语素。名词代码为 n,语素代码g前面置以N。 |
|
n |
名词 |
取英语名词 noun的第1个字母。 |
|
nr |
人名 |
名词代码 n和“人(ren)”的声母并在一起。 |
|
ns |
地名 |
名词代码 n和处所词代码s并在一起。 |
|
nt |
机构团体 |
“团”的声母为 t,名词代码n和t并在一起。 |
|
nz |
其他专名 |
“专”的声母的第 1个字母为z,名词代码n和z并在一起。 |
|
o |
拟声词 |
取英语拟声词 onomatopoeia的第1个字母。 |
|
p |
介词 |
取英语介词 prepositional的第1个字母。 |
|
q |
量词 |
取英语 quantity的第1个字母。 |
|
r |
代词 |
取英语代词 pronoun的第2个字母,因p已用于介词。 |
|
s |
处所词 |
取英语 space的第1个字母。 |
|
tg |
时语素 |
时间词性语素。时间词代码为 t,在语素的代码g前面置以T。 |
|
t |
时间词 |
取英语 time的第1个字母。 |
|
u |
助词 |
取英语助词 auxiliary |
|
vg |
动语素 |
动词性语素。动词代码为 v。在语素的代码g前面置以V。 |
|
v |
动词 |
取英语动词 verb的第一个字母。 |
|
vd |
副动词 |
直接作状语的动词。动词和副词的代码并在一起。 |
|
vn |
名动词 |
指具有名词功能的动词。动词和名词的代码并在一起。 |
|
w |
标点符号 |
|
|
x |
非语素字 |
非语素字只是一个符号,字母 x通常用于代表未知数、符号。 |
|
y |
语气词 |
取汉字“语”的声母。 |
|
z |
状态词 |
取汉字“状”的声母的前一个字母。 |
|
un |
未知词 |
不可识别词及用户自定义词组。取英文Unkonwn首两个字母。(非北大标准,CSW分词中定义) |
中文分词工具jieba中的词性类型的更多相关文章
- 中文分词工具——jieba
汉字是智慧和想象力的宝库. --索尼公司创始人井深大 简介 在英语中,单词就是"词"的表达,一个句子是由空格来分隔的,而在汉语中,词以字为基本单位,但是一篇文章的表达是以词来划分的 ...
- 中文分词工具简介与安装教程(jieba、nlpir、hanlp、pkuseg、foolnltk、snownlp、thulac)
2.1 jieba 2.1.1 jieba简介 Jieba中文含义结巴,jieba库是目前做的最好的python分词组件.首先它的安装十分便捷,只需要使用pip安装:其次,它不需要另外下载其它的数据包 ...
- 中文分词工具探析(二):Jieba
1. 前言 Jieba是由fxsjy大神开源的一款中文分词工具,一款属于工业界的分词工具--模型易用简单.代码清晰可读,推荐有志学习NLP或Python的读一下源码.与采用分词模型Bigram + H ...
- 中文分词工具探析(一):ICTCLAS (NLPIR)
1. 前言 ICTCLAS是张华平在2000年推出的中文分词系统,于2009年更名为NLPIR.ICTCLAS是中文分词界元老级工具了,作者开放出了free版本的源代码(1.0整理版本在此). 作者在 ...
- 开源中文分词工具探析(五):FNLP
FNLP是由Fudan NLP实验室的邱锡鹏老师开源的一套Java写就的中文NLP工具包,提供诸如分词.词性标注.文本分类.依存句法分析等功能. [开源中文分词工具探析]系列: 中文分词工具探析(一) ...
- Python分词工具——jieba
jieba简介 python在数据挖掘领域的使用越来越广泛.想要使用python做文本分析,分词是必不可少的一个环节在python的第三方包里,jieba应该算得上是分词领域的佼佼者. GitHub地 ...
- 开源中文分词工具探析(三):Ansj
Ansj是由孙健(ansjsun)开源的一个中文分词器,为ICTLAS的Java版本,也采用了Bigram + HMM分词模型(可参考我之前写的文章):在Bigram分词的基础上,识别未登录词,以提高 ...
- 开源中文分词工具探析(四):THULAC
THULAC是一款相当不错的中文分词工具,准确率高.分词速度蛮快的:并且在工程上做了很多优化,比如:用DAT存储训练特征(压缩训练模型),加入了标点符号的特征(提高分词准确率)等. 1. 前言 THU ...
- .NET Core中文分词组件jieba.NET Core
.NET Core中文分词组件jieba.NET Core,由于实际的一些需求,需要做中文分词. 找到了一个jieba.NET https://github.com/anderscui/jieba.N ...
随机推荐
- [BZOJ3197][SDOI2013]刺客信条assassin
bzoj luogu Description 故事发生在1486 年的意大利,Ezio原本只是一个文艺复兴时期的贵族,后来因为家族成员受到圣殿骑士的杀害,决心成为一名刺客.最终,凭借着他的努力和出众的 ...
- RabbitMQ消息队列———安装(一)
一.RabbitMQ队列 不同进程间的通信,简称IPC.不同的进程间的通信,可以基于队列解决,将生产者和消费者进行解耦,中间的队列作为其桥梁.RabbitMQ是一个在AMQP基础上完整的,可复用的企业 ...
- HTML CSS 表格换行禁止 超出指定长度自动截断
word-break:keep-all; white-space:nowrap; overflow:hidden; min-width:30px; max-width:100px;
- win7下VS2010编译python3
转自:http://www.cnblogs.com/fortwo/archive/2013/04/16/3023871.html 1.首先从python.org上:http://www.python. ...
- Docker的主要组件
Docker 的主要组件 安装 docker ,其实是安装了 docker 客户端.dockerd 等一系列的组件,其中比较重要的有下面几个. Docker CLI(docker)docker 程序是 ...
- SPI: Service Provider Interface
Service Provider Interface: JDK提供的一种服务发现的机制:主要是用于厂商实现JDK的只用. 比如说打印机,JDK提供了一个驱动接口com.printl.printerDr ...
- bzoj1002 [FJOI2007]轮状病毒——找规律+高精度
题目:https://www.lydsy.com/JudgeOnline/problem.php?id=1002 打表找规律,似乎是这样:https://blog.csdn.net/fzhvampir ...
- 常见企业IT支撑【4、gitlab代码管理工具】
安装方式可借鉴http://www.cnblogs.com/juandx/p/5339254.html 安装方式
- 基于STL优先队列和邻接表的dijkstra算法
首先说下STL优先队列的局限性,那就是只提供入队.出队.取得队首元素的值的功能,而dijkstra算法的堆优化需要能够随机访问队列中某个节点(来更新源点节点的最短距离). 看似可以用vector配合m ...
- eclipse Mars(4.5.2)安装pydev后不出现
一.环境 windows 7 64bit eclipse 4.5.2 pydev jdk7u55 二.安装步骤 1. 安装JDK eclipse依赖于java环境,所以需要安装java运行环境JRE. ...