自然语言处理库—Snownlp-自然语言处理库

本文转载自微信公众号「志斌的python笔记」，作者志斌。转载本文请联系志斌的python笔记公众号。

大家好，我是志斌~

上次在跟大家分享用Python在本地进行文本情感分析的时候，给大家介绍了一个Snownlp库，当时只跟大家介绍了一下它的情感分析功能，这次来跟大家详细的介绍一下它其它的强大的功能。

01定义和安装

我们先来看看官方对它的介绍：

SnowNLP是一个python写的类库，可以方便的处理中文文本内容，是受到了TextBlob的启发而写的，由于现在大部分的自然语言处理库基本都是针对英文的，于是写了一个方便处理中文的类库，并且和TextBlob不同的是，这里没有用NLTK，所有的算法都是自己实现的，并且自带了一些训练好的字典。注意本程序都是处理的unicode编码，所以使用时请自行decode成unicode。

它的安装命令如下：

pip install snownlp

02功能介绍

它主要有九个功能，我们分别来给大家介绍一下这九个功能都是干什么的。

01分词功能

SnowNLP的分词功能，可以将文本内容对照着字典划分一个个词语字符串，如果不是词语的就单独成为一个字符串。代码如下：

a = SnowNLP('我非常的热爱学习！') 
print(a.words)

02词性标注

SnowNLP的词性标注功能，可以对各个词语进行标注，让我们能够知道这个词语属于名词还是动词，或者其它词性。代码如下：

a = SnowNLP('我非常的热爱学习！') 
for i in a.tags: 
   print(i)

03情感分析

在之前的文章我们已经详细的介绍过了SnowNLP的情感分析功能，这里就不在过多介绍，用兴趣的小伙伴，可以看看这篇文章两种文本情感分析方式，你更pick哪一种?。

04拼音标注

SnowNLP的拼音标准功能，可以给文本中所有文字进行拼音标注，这样以后再也不担心遇到生僻字不会读啦~~ 代码如下：

a = SnowNLP('我非常的热爱学习！') 
print(a.pinyin)

05提取关键字和摘要

SnowNLP可以将文本中出现的关键字和文本摘要给提取出来，从而让我们可以更快速的了解文本讲述的内容。代码如下：

text = '''计算机网络系统就是利用通信设备和线路将地理位置不同、功能独立的多个计算机系统互联起来，以功能完善的网络软件实现网络中资源共享和信息传递的系统。 
通过计算机的互联，实现计算机之间的通信，从而实现计算机系统之间的信息、软件和设备资源的共享以及协同工作等功能， 
其本质特征在于提供计算机之间的各类资源的高度共享，实现便捷地交流信息和交换思想。''' 
b=SnowNLP(text) 
key_word = b.keywords(5)   #()中的数字，代表提取关键字数量 
abs_word = b.summary(1)    #()中的数字，代表提取摘要数量 
print(key_word) 
print(abs_word)

06计算词频和逆文档频率

关键字的先后顺序是由TF-IDF值的大小来决定的，其中TF就是词频、IDF就是逆文档频率、词频很好理解就是一个词在文本中出现的频率，逆文档频率是在词频的基础上，给每个词分配一个“重要性”的权重，越常见的词分配的权重越低，越稀少的词，权重越高，这个权重就成为逆文档频率，它的大小和词语的常见性成反比。代码如下：

c = SnowNLP([['计算机'], ['资源'], ['系统'], ['信息'], ['功能']]) 
print(c.tf) 
print(c.idf)

07繁体转简体

个人感觉这个技能较为冷门，现在基本上都是简体字了。(仅为个人意见，不喜勿喷。)代码如下：

d = SnowNLP('山不在高,有仙則靈.水不在深,有龍則靈') 
print(d.han)

08断句功能

SnowNLP可以按照"，"和“。”对文本进行断句处理。代码如下：

b=SnowNLP(text) 
print(b.sentences)

09文本相似度

e = SnowNLP([['计算机','资源'], 
            ['系统'], 
            ['信息','功能'] 
            ]) 
print(e.sim(['系统'])) 
print(e.sim(['计算机'])) 
print(e.sim(['功能']))