找到相关 Issues 约为161个
搜索工具
排序方式：
最佳匹配
https://blog.csdn.net/sakus/article/details/100898540 jieba的一个大坑 因为两种的算法不同，所以在dict.txt中添加的新词和新词频不能应用到posseg中。只能 suggest_freq(segment
2_141df1af_1647921.png "QQ图片20210128103822.png") 我是真的想不到你们能这么做分词 ### 重现步骤 ### 期望效果 ### 实际效果
在elasticsearch上的一个全文字段，我想建索引的时候用jcseg_search，搜索用jcseg_complex，但是部分词搜索没有结果，比如： `胡晓海`，在jcseg_search被分为"胡""晓""海",但是jcseg_complex分为"胡
``` CJK_WORD 平安银行/nz/ping an yin hang/000001,000001.sz ``` 分词结果 ```json { "token": "平安银行", "start_offset": 6, "end_offset": 10
dmin/lucene/LuceneSearch.java 1.流关闭放在finally 2.分词器已经定义了static变量，无需再在每个方法中在new分词器 这是我的观点，您觉得合理吗
html ），我看到文档中说是可以直接通过dict构建的，想问这个类可以直接通过原始数据来构建吗？ 我现在的数据集是中文，我分词后找中文预训练好的词向量（如 https://github.com/Embedding/Chinese-Word-Vecto
摘要:用商品描述为语料库训练商品词向量为例,分享一下用pyspark自带word2vec+jieba分词训练词向量的流程. 工具:python,pyspark,jieba,pandas,numpy 数据格式:自定义词典,语料库均为pyspark dataframe
此时文件词库不太能搞定（有可能我了解没到位），所以我想以缓存+db的形式来存储词库，您能给些改造思路么？补充下：我只用到中文分词功能（关键短语提取，各种符号识别都不用）
html，输出处理（分层，前/后处理）过的数据集； **要求** ：按照设计的数据格式（待更新），基于MindSpore/MindData完成分词等数据处理； **交付件** ： 1. 整理过的原始数据集； 2. 数据处理实现的代码； | 数据集类别 | 原始数据地址 |
问题1:现在有单词 b.toys 但是用户查询的时候 时常输入的是btoys ，分词器默认把btoys看成了一个单词，并没有分成b/toys,如何解决？ 问题2: 以上问题等不到解决时，打算采用零时解决方案，新增同义词，修改词库后，在设置lexicon
推荐博客
...