😚😚 通过女朋友的一句话分析她的心情 。

Analyze her mood through her girlfriend's words .

通过一句话分析女朋友的情绪变化，最重要的就是对这句话先进行词法分析，将话中的每一个关键词分离开来，然后分析关键词。

关键词我们可以以情绪值来进行估算最终情绪，然后总体一个基址，每次都在此上加减。

第一章 分词

1、JieBa库

“结巴”中文分词：做最好的 Python 中文分词组件

"Jieba" (Chinese for "to stutter") Chinese text segmentation: built to be the best Python Chinese word segmentation module.

2、特点

• 支持三种分词模式：
  • 精确模式，试图将句子最精确地切开，适合文本分析；
  • 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；
  • 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。
• 支持繁体分词
• 支持自定义词典
• MIT 授权协议

3、算法

• 基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG)
• 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
• 对于未登录词，采用了基于汉字成词能力的 HMM 模型，使用了 Viterbi 算法

4、主要功能

1) 分词

• jieba.cut 方法接受三个输入参数: 需要分词的字符串；cut_all 参数用来控制是否采用全模式；HMM 参数用来控制是否使用 HMM 模型
• jieba.cut_for_search 方法接受两个参数：需要分词的字符串；是否使用 HMM 模型。该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细
• 待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。注意：不建议直接输入 GBK 字符串，可能无法预料地错误解码成 UTF-8
• jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)，或者用
• jieba.lcut 以及 jieba.lcut_for_search 直接返回 list
• jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定义分词器，可用于同时使用不同词典。jieba.dt 为默认分词器，所有全局分词相关函数都是该分词器的映射。

seg_list = jieba.cut("我要有女朋友了", cut_all=True) print("全模式: " + "/ ".join(seg_list))  # 全模式  seg_list = jieba.cut("我要有女朋友了", cut_all=False) print("默认模式: " + "/ ".join(seg_list))  # 默认模式  seg_list = jieba.cut("我要有女朋友了") print(", ".join(seg_list))  seg_list = jieba.cut_for_search("我要有女朋友了，然后我要打爆室友的狗头")  # 搜索引擎模式 print("搜索引擎模式: "+", ".join(seg_list))  

output :

全模式: 我/ 要/ 有/ 女朋友/ 朋友/ 了 默认模式: 我要/ 有/ 女朋友/ 了 我要, 有, 女朋友, 了 搜索引擎模式: 我要, 有, 朋友, 女朋友, 了, ，, 然后, 我要, 打爆, 室友, 的, 狗头

2) 添加自定义词典

载入词典

• 开发者可以指定自己自定义的词典，以便包含 jieba 词库里没有的词。虽然 jieba 有新词识别能力，但是自行添加新词可以保证更高的正确率
• 用法： jieba.load_userdict(file_name) # file_name 为文件类对象或自定义词典的路径
• 词典格式和 dict.txt 一样，一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。file_name 若为路径或二进制方式打开的文件，则文件必须为 UTF-8 编码。
• 词频省略时使用自动计算的能保证分出该词的词频。

print('/'.join(jieba.cut('这个东梨会不会被分开呢。', HMM=False))) # 添加字典 print(jieba.suggest_fr