初学者|今天掌握SnowNLP好不好

# 安装：pip install snownlp
from snownlp import SnowNLP
sentence = '我爱自然语言处理技术！'
s = SnowNLP(sentence)

s_token = s.words
print(s_token)

['我', '爱', '自然', '语言', '处理', '技术', '！']

s_tags = s.tags
for token_tag in s_tags:
    print(token_tag)

('我', 'r')
('爱', 'v')
('自然', 'n')
('语言', 'n')
('处理', 'vn')
('技术', 'n')
('！', 'w')

s_senti = s.sentiments
print(s_senti)

0.902242143497134

s_pinyin = s.pinyin
for i in range(len(sentence)):
    print(sentence[i], s_pinyin[i])

我 wo
爱 ai
自 Zi
然 ran
语 yu
言 yan
处 chu
理 li
技 ji
术 shu
！ ！

sentence_fan = "我愛自然語言處理技術！"
s_jianti = SnowNLP(sentence_fan)
print(s_jianti.han)

我爱自然语言处理技术！

text = u'''
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。
它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。
自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，
所以它与语言学的研究有着密切的联系，但又有重要的区别。
自然语言处理并不是一般地研究自然语言，
而在于研制能有效地实现自然语言通信的计算机系统，
特别是其中的软件系统。因而它是计算机科学的一部分。
'''
t = SnowNLP(text)
for sen in t.sentences:
    print(sen + "。")

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。
它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。
自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
因此。
这一领域的研究将涉及自然语言。
即人们日常使用的语言。
所以它与语言学的研究有着密切的联系。
但又有重要的区别。
自然语言处理并不是一般地研究自然语言。
而在于研制能有效地实现自然语言通信的计算机系统。
特别是其中的软件系统。
因而它是计算机科学的一部分。

key_num = 3
t_key = t.keywords(key_num)
print(t_key)

['语言', '自然', '计算机']

key_sen = 3
t_keysen = t.summary(key_sen)
print(t_keysen)

['因而它是计算机科学的一部分', '自然语言处理是计算机科学领域与人工智能领域中的一个重要方向', '自然语言处理是一门融语言学、计算机科学、数学于一体的科学']

s = SnowNLP([[u'这篇', u'文章'],
             [u'那篇', u'论文'],
             [u'这个']])
print(s.tf)
print(s.idf)

[{'文章': 1, '这篇': 1}, {'论文': 1, '那篇': 1}, {'这个': 1}]
{'文章': 0.5108256237659907, '论文': 0.5108256237659907, '这篇': 0.5108256237659907, '这个': 0.5108256237659907, '那篇': 0.5108256237659907}

artilc1 = ['文章']
print(s.sim(artilc1))

[0.4686473612532025, 0, 0]

# 提供训练的包括分词，词性标注，情感分析。语料在snownlp/seg目录下
# 训练好的文件就存储为seg.marshal了，然后修改snownlp/seg/init.py里的data_path指向刚训练好的文件即可
from snownlp import seg
#seg.train('data.txt')
#seg.save('seg.marshal')
# from snownlp import tag
# tag.train('199801.txt')
# tag.save('tag.marshal')
# from snownlp import sentiment
# sentiment.train('neg.txt', 'pos.txt')
# sentiment.save('sentiment.marshal')