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
- 关于上架AppStore最后一步的“出口合规信息”、“内容版权”、“广告标识符”的选择(转)
这里只当作记录:http://blog.csdn.net/ashimar_a/article/details/51745675
- golang的指针到string,string到指针的转换
由于某个需求,需要如题的转换,废话不多说,直接贴代码了,其实挺丑了,备用了 func (this *Server) socketParserHandler(client *genTcpServer.C ...
- python is 和 == 的区别
一.is 和 == 的区别 == 比较 比较的俩边的值 is 比较 比较的是内存地址 id() 二.小数据池 数字小数据池的范围 -5 ~ 256 字符串中如果有特殊字符他们的内存地址就不一样 字符串 ...
- HTTP Get与Post请求
HTTP定义了与服务器交互的不同方法,最基本的方法有4种,分别是GET,POST,PUT,DELETE.URL全称是资源描述符,我们可以这样认为:一个URL地址,它用于描述一个网络上的资源,而HTTP ...
- oozie工作流相关入门整理
Oozie支持工作流,其定义通过将多个Hadoop Job的定义按照一定的顺序组织起来,然后作为一个整体按照既定的路径运行.一个工作流已经定义了,通过启动该工作流Job,就会执行该工作流中包含 ...
- MySQL 5.7.18 主从复制 Error1205
从库报 error 1205 1.mysql报错信息 [root@slave2(35.102) ~]# mysql -uroot -p Enter password: Welcome to the M ...
- dom4J使用笔记
使用dom4j是目前最常用的解析XML的方法,dom4j解析集DOM和SAX技术优点于一身,要使用dom4j 还是先要导入jar: dom4j-1.6.1.jar (dom4j最主要的jar包,可以独 ...
- ThinkPHP实例—实现登录验证
ThinkPHP 验证 本篇我们将运用商城实例讲解一下如何运用ThinkPHP做一个登录验证 我们的框架目录结构如下图所示: 其中 app 文件夹就是我们的应用文件夹 它的目录结构如下所示 其中 ...
- RMI原理及简单demo
1 简介 RMI是远程方法调用的简称,它能够帮助我们查找并执行远程对象的方法.通俗地说,远程调用就象将一个class放在A机器上,然后在B机器中调用这个class的方法. 2 概念 其他机器需要调用的 ...
- linux find中的-print0和xargs中-0的奥妙
默认情况下, find 每输出一个文件名, 后面都会接着输出一个换行符 ('n'), 因此我们看到的 find 的输出都是一行一行的: 比如我想把所有的 .log 文件删掉, 可以这样配合 xargs ...