Python編程基礎(chǔ)與應(yīng)用教案0901-文本處理庫的應(yīng)用-jieba的安裝和簡介

1、Python編程基礎(chǔ)與應(yīng)用教案0901-文本處理庫的應(yīng)用jieba的安裝和簡介Python編程基礎(chǔ)與應(yīng)用教案0901-文本處理庫的應(yīng)用jieba的安裝和簡介Python編程基礎(chǔ)與應(yīng)用教案0901-文本處理庫的應(yīng)用jieba的安裝和簡介Python編程基礎(chǔ)與應(yīng)用電子教案課題jieba的安裝和簡介授課人課型實(shí)訓(xùn)課程Python編程基礎(chǔ)與應(yīng)用班級課時(shí)2上課時(shí)間上課地點(diǎn)教學(xué)目標(biāo)認(rèn)識中文分詞和詞云的概念和用途認(rèn)識jieba的概念和用途掌握jieba的安裝方法掌握jieba庫的常用函數(shù)重 點(diǎn)難 點(diǎn)學(xué)情分析教學(xué)方法演示法、做中學(xué)、項(xiàng)目教學(xué)法教學(xué)準(zhǔn)備多媒體電腦機(jī)房，云教學(xué)平臺(tái)環(huán)境，投影儀教學(xué)過程與內(nèi)容設(shè)計(jì)意圖

2、時(shí)間環(huán)節(jié)一：中文分詞和詞云1、中文分詞在英文的行文中，單詞之間是以空格作為自然分界符的，顯得相對簡單。但是中文比之英文要復(fù)雜得多、困難得多。中文分詞是中文文本處理的一個(gè)基礎(chǔ)步驟，也是中文人機(jī)自然語言交互的基礎(chǔ)模塊。不同于英文的是，中文句子中沒有詞的界限，因此在進(jìn)行中文自然語言處理時(shí)，通常需要先進(jìn)行分詞，分詞效果將直接影響詞性、句法等模塊的效果。2、詞云詞云就是對網(wǎng)絡(luò)文本中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺上的突出，形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，從而過濾掉大量的文本信息，使瀏覽者只要一眼掃過文本就可以領(lǐng)略文本的主旨。詞云是數(shù)據(jù)可視化的一種形式，根據(jù)關(guān)鍵詞的出現(xiàn)頻率而生成的一幅圖像，如圖9-2

3、。環(huán)節(jié)二：了解一些詞云WordItOut詞云圖。它操作簡單，進(jìn)入網(wǎng)站后只需要輸入一段文本，然后就可以生成各種樣式的“云”文字。用戶可以根據(jù)自己的需要對WordItOut進(jìn)行再設(shè)計(jì)，比如顏色、字符、字體、背景、文字位置等，保存下載后，可以復(fù)制。但是WordItOut是不識別中文的，如果輸入中英混合的文本，保存后只顯示英文字體，對于不懂英文的同學(xué)是比較痛苦的。它的網(wǎng)址為/ 。Tagxed詞云圖。它有幾大優(yōu)點(diǎn)：強(qiáng)大的導(dǎo)入功能(可導(dǎo)入網(wǎng)頁、文字等)、自定義設(shè)置詞云形狀(這個(gè)真心好)、可導(dǎo)入想要的字體、顏色主題多(各種選擇)等。最重要的是它支持中文。它的網(wǎng)址為/。WordArt詞云圖。WordArt 云

4、可以自定義字體、詞云的形狀，顏色等，做出來的詞云圖很酷炫，為網(wǎng)站訪問者提供良好的用戶體驗(yàn)。它的網(wǎng)址為/ 。圖悅。這款國內(nèi)的在線詞頻分析工具，在長文本自動(dòng)分詞并制作詞云方面還是很出眾的，而且也容易上手，還可以自定義定制圖形模板：標(biāo)準(zhǔn)、微信、地圖等，切換自如，用起來體驗(yàn)很不錯(cuò)。它的網(wǎng)址為/ 。BDP個(gè)人版詞云圖。這是一款數(shù)據(jù)可視化工具，除了詞云，還有很多其他酷炫的圖表，如GIS地圖、漏斗圖等。BDP很容易上手，直接把詞語這個(gè)數(shù)據(jù)拉到維度欄，再選擇詞云就瞬間呈現(xiàn)詞云圖表，BDP會(huì)自動(dòng)算好詞頻，你可以設(shè)置顏色，快速實(shí)現(xiàn)詞云可視化。它的網(wǎng)址為/home.html 。wordcloud詞云庫。它是優(yōu)秀的詞

5、云展示第三方庫，詞云以詞語為基本單位，更加直觀和藝術(shù)的展示文本。它的網(wǎng)址為/amueller/word_cloud環(huán)節(jié)三：jieba的安裝“結(jié)巴”中文分詞支持繁體分詞，支持自定義詞典，還支持四種分詞模式：1）精確模式，試圖將句子最精確地切開，適合文本分析。2）全模式，把句子中所有的可以成詞的詞語都掃描出來, 速度非?？欤遣荒芙鉀Q歧義。3）搜索引擎模式，在精確模式的基礎(chǔ)上，對長詞再次切分，提高召回率，適合用于搜索引擎分詞。4）paddle模式，利用PaddlePaddle深度學(xué)習(xí)框架，訓(xùn)練序列標(biāo)注（雙向GRU）網(wǎng)絡(luò)模型實(shí)現(xiàn)分詞。它的安裝方法很簡單，可以直接使用PIP進(jìn)行安裝： pip ins

6、tall jieba環(huán)節(jié)四：學(xué)生實(shí)訓(xùn)和練習(xí)應(yīng)用jieba庫的三種分詞模式，對字符串“jieba是優(yōu)秀的中文分詞第三方庫”進(jìn)行分詞。結(jié)果如下： 精確模式： Python, 是, 一門, 計(jì)算機(jī), 編程語言全模式： Python, 是, 一門, 計(jì)算, 計(jì)算機(jī), 算機(jī), 編程, 編程語言, 語言搜索引擎模式： Python, 是, 一門, 計(jì)算, 算機(jī), 計(jì)算機(jī), 編程, 語言, 編程語言加入新詞后的精確模式： Python, 是, 一門, 計(jì)算機(jī)編程語言環(huán)節(jié)五：小結(jié)和布置作業(yè)1、小結(jié)jieba庫的常用函數(shù)函數(shù)名稱描述jieba.lcut(s)精確模式，返回一個(gè)列表類型。jieba.lcut(s,cut_all=True)全模式，返回一個(gè)列表類型。jieba.lcu