From 440b168d8b7e8794ed7d94aec6b5ac3cb5dfca1c Mon Sep 17 00:00:00 2001 From: wyy Date: Sun, 2 Feb 2014 13:53:58 +0800 Subject: [PATCH] ci --- dict/README.md | 18 ++++++++++++++++-- 1 file changed, 16 insertions(+), 2 deletions(-) diff --git a/dict/README.md b/dict/README.md index 258c634..614e071 100644 --- a/dict/README.md +++ b/dict/README.md @@ -3,13 +3,27 @@ 文件后缀名代表的是词典的编码方式。 比如filename.utf8 是 utf8编码,filename.gbk 是 gbk编码方式。 -## jieba.dict.utf8/gbk + +## 分词 + +### jieba.dict.utf8/gbk 作为最大概率法(MPSegment: Max Probability)分词所使用的词典。 -## hmm_model.utf8/gbk +### hmm_model.utf8/gbk 作为隐式马尔科夫模型(HMMSegment: Hidden Markov Model)分词所使用的词典。 __对于MixSegment(混合MPSegment和HMMSegment两者)则同时使用以上两个词典__ + +## 关键词抽取 + +## idf.utf8 + +IDF(Inverse Document Frequency) +在KeywordExtractor中,使用的是经典的TF-IDF算法,所以需要这么一个词典提供IDF信息。 + + + +