Skip to content

使用自定义用户词库

qinwf edited this page Dec 10, 2014 · 1 revision

最简单的方法

打开 library/jiebaR/dict/ 目录下的 user.dict.utf8 文件(这个是默认载入的用户词典文件),直接往里面添加词就可以了。

打开后格式是这样子的

云计算
韩玉鉴赏
蓝翔 nz
CEO
江大桥 x

更多说明

用户词典有两列,第一列为词项,第二列为词性标记。用户词库默认词频为系统词库中的最大词频,如需自定义词频率,可将新词添加入系统词库中。

词典中的词性标记采用ictclas的标记方法。如果不知道怎么标记词性,可以不填写,直接导入词条就可以了。

比如你的词库只需要新建成(很简单吧,哈哈):

摩尔定律
三角函数
内容存取存储器
操作系统

jieba.dict.utf8 是系统词典,共有三列,第一列为词项,第二列为词频,第三列为词性标记。

温馨提示

如果不使用另外的词典,新建worker的时候,可以不用指定词典路径,会自动查找,比如

> cutter = worker(type  = "mix", dict = "D:/Program Files/R/R-3.1.2/library/jiebaR/dict/jieba.dict.utf8",
+        hmm   = "D:/Program Files/R/R-3.1.2/library/jiebaR/dict/hmm_model.utf8",  
+        user  = "D:/Program Files/R/R-3.1.2/library/jiebaR/dict/user.dict.utf8",
+        detect=T,      symbol = F,
+        lines = 1e+05, output = NULL
+ ) 

可以省略为

> cutter = worker(type  = "mix") 

如果指定用户词典目录,只需要写user这个参数就可以了,多写容易错,用默认就好。

> cutter = worker(type  = "mix"user  = "D:/somefile.xxx") 

制作词库

制作词库可以用 深蓝词库转换, 自定义只导出词条。注意:如果导出有拼音项,将无法正常读取词库。

Clone this wiki locally