snownlp对比jieba，如何处理分词和获得分词词性？

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

snownlp在自然语言处理领域，是以情感分析特长而闻名的。它的很多功能和著名的jieba分词相比，两者是有很多重复的功能的。那么，本文就来对比一下snownlp和jieba的分词和获得词性功能。

大家好，这里是苏南大叔的程序如此灵动博客，这里记录苏南大叔和计算机代码的故事。本文描述自然语言处理领域里面，snownlp和jieba的分词效果对比。测试环境：win10，python@3.6.8，snownlp@0.12.3，jieba@0.42.1。

jieba分词

根据已有的文章内容，可以知道jieba分词的分词函数有四个，其中两个可以切出词性。这些函数还都有个默认值是cut_all=False，为精准切词方式。大多数情况下，都应该使用cut_all=False。参考文章：

• https://newsn.net/say/jieba.html
• https://newsn.net/say/jieba-cut.html
• https://newsn.net/say/jieba-lcut.html

所以，这里采用的函数是：

import jieba
import jieba.posseg
words = "苏南大叔毕业于北京大学"
_result = jieba.posseg.lcut(words)
_list = [ w.word+"/"+w.flag for w in _result ]
print(" ".join(_list)) # 苏南/ns 大叔/n 毕业/n 于/p 北京大学/nt
jieba.add_word("苏南大叔",tag="ns")
_result = jieba.posseg.lcut(words)
_list = [ w.word+"/"+w.flag for w in _result ]
print(" ".join(_list))  # 苏南大叔/ns 毕业/n 于/p 北京大学/nt

这里输出为：

苏南/ns 大叔/n 毕业/n 于/p 北京大学/nt
苏南大叔/ns 毕业/n 于/p 北京大学/nt

这个例子表明：jieba支持自定义分词，比如专有名词“苏南大叔”，这个就是可以自定义的。同时，“毕业”这个词儿的词性结果，似乎有些问题。

snownlp分词

snownlp测试代码：

from snownlp import SnowNLP
s = SnowNLP("苏南大叔毕业于北京大学")
print("分词结果：",s.words)
print("词性标注:",list(s.tags))

输出结果：

分词结果： ['苏南', '大叔', '毕业', '于', '北京大学']
词性标注: [('苏南', 'ns'), ('大叔', 'n'), ('毕业', 'v'), ('于', 'p'), ('北京大学', 'nt')]

s.tags这个词性标注结果，是个zip数据类型。关于这个类型的输出问题，参考文章：

• https://newsn.net/say/python-zip.html

根据snownlp的官方文档，这里的分词结果并没有自定义词典的功能，也就是说，无法分出“苏南大叔”这个词。另外，snownlp的着力点是情感分析，所以，能拿来分词的语句，都应该是由一定的感情色彩的句子，否则体现不出snownlp的优势。

相关链接

snownlp官方文档链接：

• https://github.com/isnowfy/snownlp
• https://newsn.net/say/nlp-code.html
• https://newsn.net/say/python-zip.html
• https://newsn.net/say/jieba.html
• https://newsn.net/say/jieba-cut.html
• https://newsn.net/say/jieba-lcut.html

总结

对比结果表明，单就分词这个需求角度来说，jiba显然更具有优势，可以调整分词条目。但是默认的分词效果也有不准确的地方。snownlp所针对的句子，都应该具有一定的情感色彩。所以，理论上适用的范围更小，并且不能自定义分词效果。所以，单单就分词这个角度来说，jieba效果更好。

• https://newsn.net/tag/snownlp/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。