### Python 和 jieba 的练习题与考题 以下是关于 Python 和 jieba 的一些练习题和考题，涵盖基础知识、分词应用以及实际项目中的问题。这些问题可以帮助用户更好地掌握 jieba 库的使用方法。 #### 1. 基础知识 - **题目**：jieba 是一个用于中文分词的第三方库，请简述其三种主要的分词模式及其特点[^1]。 - **答案**： - 精确模式：试图将句子最精确地切分成若干个词，适合文本分析[^2]。 - 全模式：将句子中所有可能的词都扫描出来，速度较快但可能会产生较多冗余词汇[^3]。 - 搜索引擎模式：在精确模式的基础上，对长词再次切分，提高召回率，适用于搜索引擎分词[^4]。 ```python import jieba sentence = "我爱自然语言处理" print("精确模式:", "/".join(jieba.cut(sentence, cut_all=False))) print("全模式:", "/".join(jieba.cut(sentence, cut_all=True))) print("搜索引擎模式:", "/".join(jieba.cut_for_search(sentence))) ``` #### 2. 实际应用 - **题目**：给定一段中文文本，请编写代码实现以下功能：使用 jieba 对文本进行分词，并统计每个词出现的频率[^5]。 - **答案**： ```python from collections import Counter import jieba text = "我喜欢学习自然语言处理技术，自然语言处理非常有趣。" words = jieba.lcut(text) word_counts = Counter(words) for word, count in word_counts.items(): print(f"{word}: {count}") ``` #### 3. 自定义词典 - **题目**：如何为 jieba 添加自定义词典以提高特定领域的分词效果？请给出具体代码示例[^6]。 - **答案**： ```python import jieba # 加载自定义词典 jieba.load_userdict("custom_dict.txt") # 示例文本 text = "公司名称：阿里巴巴集团" print("/".join(jieba.cut(text))) ``` 自定义词典文件 `custom_dict.txt` 内容如下： ``` 阿里巴巴集团 5 nr ``` #### 4. 分词优化 - **题目**：在某些情况下，jieba 可能会错误分词，请设计一种方法解决这个问题，并提供代码示例[^7]。 - **答案**： 可以通过调整 HMM 参数或结合正则表达式的方式优化分词结果。例如： ```python import jieba sentence = "北京欢迎您" result = jieba.lcut(sentence, HMM=False) # 关闭 HMM 模型 print(result) ``` #### 5. 项目实践 - **题目**：请设计一个基于 jieba 的简单情感分析程序，输入一段中文文本，输出该文本的情感极性（正面或负面）[^8]。 - **答案**： ```python import jieba from snownlp import SnowNLP def sentiment_analysis(text): words = jieba.lcut(text) s = SnowNLP(" ".join(words)) return "正面" if s.sentiments > 0.5 else "负面" text = "这部电影非常精彩，我很喜欢！" print(sentiment_analysis(text)) ```