中文分词工具 | jieba 词性标注含义详解25

前言

中文分词作为自然语言处理（NLP）中的一个基本任务，旨在将一段连续的汉字文本按照语义和语法规则划分为一个个独立的词语。jieba 是 Python 中一款优秀的中文分词工具，除了基本的分词功能，jieba 还提供了词性标注的功能，这有助于进一步理解词语的含义和语法语义。

jieba 的词性标注系统根据中文词典对词语进行分类，共定义了 52 个词性。这些词性涵盖了词语的各种语法功能和语义特征，为后续 NLP 任务（如词性消歧、句法分析、语义理解等）奠定了基础。本文将详细介绍 jieba 词性标注的含义，帮助读者深入理解中文文本。

jieba 词性标注表

jieba 的词性标注表如下所示：



词性
含义
举例




a
形容词
大、好、漂亮


ad
副形词
很、非常、稍微


ag
形容词性语素
-子、-头、-气


an
名形词
蓝天、高山、大树


b
区别词
的、地、得


c
连词
和、但是、因此


cc
并列连词
而且、并且、又


d
副词
很、非常、稍微


e
叹词
啊、哦、哇


f
方位词
上、下、前、后


g
介词
从、在、到


gg
时量介词
从、在、到（用在时间因素上）


h
前缀
不、无、再


i
成语
一日千里、如鱼得水


j
简称
北大、央视


k
缩略词
CCTV、GDP


l
习语
倒背如流、望梅止渴


m
数量词
一、十、百


mq
数量词性语素
-双、-只、-匹


n
名词
人、书、桌子


ng
名词性语素
-子、-头、-气


nr
人名
张三、李四


ns
地名
北京、上海


nt
机构团体
公司、学校


nz
其他专名
故宫、长城


o
代词
我、你、他


p
介词性语素
-间、-上、-里


q
量词
个、两、只


r
代词性语素
-人、-者、-者们


s
处所词
上、下、前、后


t
时间词
昨天、今天、明天


tg
时间词性语素
-时、-刻、-年


u
助词
的、地、得


ud
判断助词
是、即、乃


ug
语气助词
吗、呢、吧


ul
连接助词
而、了、过


uv
时态助词
了、过、着


v
动词
走、说、唱


vd
动副词
跑来、跳去


vg
动词性语素
-子、-头、-气


vn
名动词
攻击、批评


w
标点符号
。、，、？


x
非中文符号
@、#、$


y
语气词
啊、哦、哇


z
其他
其他未定义词性

jieba 词性标注使用举例

使用 jieba 进行中文分词和词性标注非常简单，只需要导入 jieba 库并调用相关函数即可。下面是一个示例代码：
```python
import jieba
# 分词和词性标注
seg_list = ("他是一个好人", cut_all=False)
# 遍历分词结果并打印词性标注
for word in seg_list:
print(f"{word} {jieba.get_tag(word)}")
```

运行以上代码，输出结果如下：
```
他 r
是 v
一 a
个 m
好人 n
```

结语

jieba 的词性标注功能为中文分词提供了更深层次的语义理解能力，对于 NLP 任务具有重要意义。通过使用 jieba 的词性标注，我们可以更加准确地理解文本含义，挖掘文本中的关键信息和语义关系。掌握 jieba 词性标注的含义对于深入开展中文 NLP 研究和应用至关重要。

2024-11-02

上一篇：参考文献：在学术写作中增强可信度的秘诀

下一篇：CAD 标注数字精度：指南