version chage

This commit is contained in:
Sun Junyi 2012-10-16 14:16:28 +08:00
parent 15a5a2d50e
commit 48e9d62082
2 changed files with 74 additions and 63 deletions

View File

@ -21,15 +21,14 @@ Algorithm
* 采用了记忆化搜索实现最大概率路径的计算, 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位置概率的模型使用了Viterbi算法
Interface
========
* 组件只提供jieba.cut 方法用于分词
* cut方法接受两个输入参数: 1) 第一个参数为需要分词的字符串 2cut_all参数用来控制分词模式
功能:分词
==========
* jieba.cut方法接受两个输入参数: 1) 第一个参数为需要分词的字符串 2cut_all参数用来控制分词模式
* 待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
* jieba.cut返回的结构是一个可迭代的generator可以使用for循环来获得分词后得到的每一个词语(unicode)也可以用list(jieba.cut(...))转化为list
代码示例( Tutorial )
代码示例( 分词 )
#encoding=utf-8
import jieba
@ -51,10 +50,22 @@ Output:
他, 来到, 了, 网易, 杭研, 大厦 (此处“杭研”并没有在词典中但是也被Viterbi算法识别出来了)
Performance
功能:关键词提取
================
* jieba.analyse.extract_tags(sentence,topK) #需要先import jieba.analyse
* setence为待提取的文本
* topK为返回几个权重最大的关键词默认值为20
代码示例 (关键词提取)
https://github.com/fxsjy/jieba/blob/master/test/extract_tags.py
分词速度
=========
* 1.5 MB / Second in Full Mode
* 350 KB / Second in Default Mode
* 400 KB / Second in Default Mode
* Test Env: Intel(R) Core(TM) i7-2600 CPU @ 3.4GHz;《围城》.txt
在线演示

View File

@ -1,6 +1,6 @@
from distutils.core import setup
setup(name='jieba',
version='0.17',
version='0.18',
description='Chinese Words Segementation Utilities',
author='Sun, Junyi',
author_email='ccnusjy@gmail.com',