SCWS 是 Simple Chinese Word Segmentation 的首字母縮寫（即：簡(jiǎn)易中文分詞系統(tǒng)）。

這是一套基于詞頻詞典的機(jī)械式中文分詞引擎，它能將一整段的中文文本基本正確地切分成詞。 詞是中文的最小語素單位，但在書寫時(shí)并不像英語會(huì)在詞之間用空格分開， 所以如何準(zhǔn)確并快速分詞一直是中文分詞的攻關(guān)難點(diǎn)。

　　SCWS 采用純 C 語言開發(fā)，不依賴任何外部庫函數(shù)，可直接使用動(dòng)態(tài)鏈接庫嵌入應(yīng)用程序， 支持的中文編碼包括 GBK、UTF-8 等。此外還提供了 PHP 擴(kuò)展模塊， 可在 PHP 中快速而方便地使用分詞功能。

　　分詞算法上并無太多創(chuàng)新成分，采用的是自己采集的詞頻詞典，并輔以一定的專有名稱，人名，地名， 數(shù)字年代等規(guī)則識(shí)別來達(dá)到基本分詞，經(jīng)小范圍測(cè)試準(zhǔn)確率在 90% ~ 95% 之間， 基本上能滿足一些小型搜索引擎、關(guān)鍵字提取等場(chǎng)合運(yùn)用。首次雛形版本發(fā)布于 2005 年底。

　　SCWS 由 hightman 開發(fā)， 并以 BSD 許可協(xié)議開源發(fā)布，源碼托管在 github。

　　這是我們抓取的微博數(shù)據(jù)，以Excle形式保存數(shù)據(jù)。

?

轉(zhuǎn)載于:https://www.cnblogs.com/hzsy/p/5858673.html

總結(jié)

以上是生活随笔為你收集整理的实训第十二天的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。