最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

python实现中文分词FMM算法实例

来源:动视网 责编:小采 时间:2020-11-27 14:34:21
文档

python实现中文分词FMM算法实例

python实现中文分词FMM算法实例:本文实例讲述了python实现中文分词FMM算法。分享给大家供大家参考。具体分析如下: FMM算法的最简单思想是使用贪心算法向前找n个,如果这n个组成的词在词典中出现,就ok,如果没有出现,那么找n-1个...然后继续下去。假如n个词在词典中出现,那么从n+1位置
推荐度:
导读python实现中文分词FMM算法实例:本文实例讲述了python实现中文分词FMM算法。分享给大家供大家参考。具体分析如下: FMM算法的最简单思想是使用贪心算法向前找n个,如果这n个组成的词在词典中出现,就ok,如果没有出现,那么找n-1个...然后继续下去。假如n个词在词典中出现,那么从n+1位置


本文实例讲述了python实现中文分词FMM算法。分享给大家供大家参考。具体分析如下:

FMM算法的最简单思想是使用贪心算法向前找n个,如果这n个组成的词在词典中出现,就ok,如果没有出现,那么找n-1个...然后继续下去。假如n个词在词典中出现,那么从n+1位置继续找下去,直到句子结束。

import re 
def PreProcess(sentence,edcode="utf-8"): 
 sentence = sentence.decode(edcode) 
 sentence=re.sub(u"[。,,!……!《》<>"'::??、|“”‘';]"," ",sentence) 
 return sentence 
def FMM(sentence,diction,result = [],maxwordLength = 4,edcode="utf-8"):
 i = 0 
 sentence = PreProcess(sentence,edcode) 
 length = len(sentence) 
 while i < length: 
 # find the ascii word 
 tempi=i 
 tok=sentence[i:i+1] 
 while re.search("[0-9A-Za-z-+#@_.]{1}",tok)<>None: 
 i= i+1 
 tok=sentence[i:i+1] 
 if i-tempi>0: 
 result.append(sentence[tempi:i].lower().encode(edcode)) 
 # find chinese word 
 left = len(sentence[i:]) 
 if left == 1: 
 """go to 4 step over the FMM""" 
 """should we add the last one? Yes, if not blank""" 
 if sentence[i:] <> " ": 
 result.append(sentence[i:].encode(edcode)) 
 return result 
 m = min(left,maxwordLength) 
 for j in xrange(m,0,-1): 
 leftword = sentence[i:j+i].encode(edcode) 
 # print leftword.decode(edcode) 
 if LookUp(leftword,diction): 
 # find the left word in dictionary 
 # it's the right one 
 i = j+i 
 result.append(leftword) 
 break 
 elif j == 1: 
 """only one word, add into result, if not blank""" 
 if leftword.decode(edcode) <> " ": 
 result.append(leftword) 
 i = i+1 
 else: 
 continue 
 return result 
def LookUp(word,dictionary): 
 if dictionary.has_key(word): 
 return True 
 return False 
def ConvertGBKtoUTF(sentence): 
 return sentence.decode('gbk').encode('utf-8')
dictions = {} 
dictions["ab"] = 1 
dictions["cd"] = 2 
dictions["abc"] = 1 
dictions["ss"] = 1 
dictions[ConvertGBKtoUTF("好的")] = 1 
dictions[ConvertGBKtoUTF("真的")] = 1 
sentence = "asdfa好的是这样吗vasdiw呀真的daf dasfiw asid是吗?" 
s = FMM(ConvertGBKtoUTF(sentence),dictions) 
for i in s: 
 print i.decode("utf-8")
test = open("test.txt","r") 
for line in test: 
 s = FMM(CovertGBKtoUTF(line),dictions) 
 for i in s: 
 print i.decode("utf-8")

运行结果如下:

asdfa
好的




vasdiw

真的
daf
dasfiw
asid


希望本文所述对大家的Python程序设计有所帮助。

文档

python实现中文分词FMM算法实例

python实现中文分词FMM算法实例:本文实例讲述了python实现中文分词FMM算法。分享给大家供大家参考。具体分析如下: FMM算法的最简单思想是使用贪心算法向前找n个,如果这n个组成的词在词典中出现,就ok,如果没有出现,那么找n-1个...然后继续下去。假如n个词在词典中出现,那么从n+1位置
推荐度:
标签: 实现 实例 python
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top