词法分析：中文分词
词法分析（lexical analysis）：将字符序列转换为单词（Token）序列的过程
中文分词；词性标注；实体识别
这一部分是NLP的基础，应该是入门就要了解的内容。
所谓分词，就是断句，把一条句子断开；要求断的比较碎，每个词都断开；要断的正确，也就是每个词都是有意义的，符合逻辑。
有个著名分词工具jieba（结巴），感觉名字起的挺贴切的，句子断开成一个个词来读，有点结巴的感觉。
这个工作对人来说不复杂，小学高年级应该就没多大问题了。
对机器来说，不容易。虽然现在中文分词已经做得很好了，仍存在部分棘手的问题。
大多数的自然语言语句，对于现在的中文分词工具来说，没有难度。
微博 #自然语言理解太难了# 有很多让人觉得有趣的内容，可以让分词工具测一测。
结合这个话题，展开中文分词的学习，进一步运行程序“考考”几个分词工具。
【老师说衣服上除了校徽别别别的】
jieba
老师/ 说/ 衣服/ 上/ 除了/ 校徽/ 别别/ 别的
hanLP
[老师/nnt, 说/v, 衣服/n, 上/f, 除了/p, 校徽/n, 别/d, 别/d, 别的/rzv]
【南京市长江大桥】
jieba
南京市/ 长江大桥
hanLP
[南京市/ns, 长江大桥/nz]
jieba
江/ 大桥/ 是/ 计科/ 二班/ 的/ 同学
hanLP
[江大桥/nr, 是/vshi, 计科/nz, 二/m, 班/n, 的/ude1, 同学/n]
【小龙女动情地对杨过说：“我也想过过过儿过过的生活。”】
jieba
小龙女/ 动情/ 地/ 对/ 杨过/ 说/ ：/ “/ 我/ 也/ 想/ 过/ 过/ 过儿/ 过过/ 的/ 生活/ 。/ ”
hanLP
[小龙女/nz, 动情/vi, 地/ude2, 对/p, 杨过/nr, 说/v, ：/w, “/w, 我/rr, 也/d, 想/v, 过过/v, 过/uguo, 儿/ng, 过过/v, 的/ude1, 生活/vn, 。/w, ”/w]
【下雨天留客天留我不留】
jieba
下雨天/ 留客/ 天留/ 我/ 不留
hanLP
[下雨天/n, 留客/v, 天/qt, 留/v, 我/rr, 不留/v]
人类：
一：“下雨，天留客；天留，我不留。”
二：“下雨天，留客？天留，我不留。”
三：“下雨天，留客天，留我不留？”
四：“下雨天，留客天，留？我不留！”
五：“下雨天，留客天，留我不？留。”
他说：“她这个人真有意思（funny）。”她说：“他这个人怪有意思的（funny）。”于是人们以为他们有了意思（wish），并让他向她意思意思（express）。他火了：“我根本没有那个意思（thought）！”她也生气了：“你们这么说是什么意思（intention）？”事后有人说：“真有意思（funny）。”也有人说：“真没意思（nonsense）”。
（原文见《生活报》1994.11.13.第六版）［吴尉天，1999］
------------------------摘自宗成庆《统计自然语言处理》。
语音合成，播放一下。顺道引入“语音合成、语音识别”知识点。
作者：赵元任（1892年11月3日—1982年2月24日）
《季姬击鸡记》
季姬寂，集鸡，鸡即棘鸡。棘鸡饥叽，季姬及箕稷济鸡。鸡既济，跻姬笈，季姬忌，急咭鸡，鸡急，继圾几，季姬急，即籍箕击鸡，箕疾击几伎，伎即齑，鸡叽集几基，季姬急极屐击鸡，鸡既殛，季姬激，即记《季姬击鸡记》。
《施氏食狮史》
石室诗士施氏，嗜狮，誓食十狮。施氏时时适市视狮。十时，适十狮适市。是时，适施氏适市。施氏视是十狮，恃矢势，使是十狮逝世。氏拾是十狮尸，适石室。石室湿，氏使侍拭石室。石室拭，施氏始试食是十狮尸。食时，始识是十狮尸，实十石狮尸。试释是事。
Ref：
https://github.com/fighting41love/hardNLU
https://www.sohu.com/a/306158933_284433
https://www.jianshu.com/p/009671e56027
