"Set the shape to semi-transparent by calling set_trans(5)"标准分词器（默认使用）分词结果：set, the, shape, to, semi, transparent, by, calling, set_trans, 5POST _analyze...

这是一个基于n-Gram+CRF+HMM的中文分词的java实现。分词速度达到每秒钟大约200万字左右（mac air下测试），准确率能达到96%以上。目前实现了中文分词、中文姓名识别、用户自定义词典、关键字提取、自动摘要、关键字标记等...

如何用Python分析领导讲话呢？正好庆祝中国共产党成立100周年大会，7月1日上午在北京天安门广场隆重举行。中共中央总书记、国家主席、中央军委主席习近平发表重要讲话。...

这次我打算用一部127W字的小说——《天龙八部》作为数据示例，这样能更好表现出效率高不高！

在传统的数据库中，如果使用某列记录某件商品的标题或简介。在检索时要想使用关键词来查询某个记录，那么是很困难的，假设搜索关键词 "小米"，那么 sql 语句就是...

自然语言处理（NLP Natural Language Processing）是一种专业分析人类语言的人工智能。就是在机器语⾔和⼈类语言之间沟通的桥梁，以实现人机交流的目的。 在人工智能出现之前，机器智能处理结构化的数据（例如Excel里的数据）。但...

Git地址：https://github.com/medcl/elasticsearch-analysis-pinyin

文本分析是指对文本的表示及其特征项的选取；文本分析是文本挖掘、信息检索的一个基本问题，它把从文本中抽取出的特征词进行量化来表示文本信息。文本（text），与 讯息（message）的意义大致相同，指的是由一定的符号或符码组成的信...

jieba分词中，关键词提取使用逆向文件频率文本语料库时，除了使用现有的语料库外，还可以自定义生成文本语料库。

上一篇jieba中文分词（一）分词与自定义字典已介绍了jieba中文分词安装，分词原理，分词方法，自定义字典，添加字典等多种常用分词方法。本篇将继续介绍jieba分词关键词提取、词性标注、及常见问题。...