结巴分词 0.19 发布 Python 中文分词组件

结巴分词： 做最好的Python中文分词组件

jieba 0.19主要包含以下两个更新：

1） 提升了模块加载的速度。

"import jieba"除了第一次以外，加载时间缩短了75%，在主流PC Server上可以实现一秒以内加载完毕。
工作机制：第一次“import jieba”时加载文本词典到内存生成模型，然后dump到磁盘上的cache文件。以后再"import jieba"时，会判断文本文件与cache文件的时间戳决定从哪里加载，由于cache文件加载更快，所以提升了速度。

2） 增加了用户自定义词典的接口。

 

• 开发者可以指定自己自定义的词典，以便包含jieba词库里没有的词。虽然jieba有新词识别能力，但是自行添加新词可以保证更高的正确率
• 用法： jieba.load_userdict(file_name)    # file_name为自定义词典的路径
• 词典格式和dict.txt一样，一个词占一行；每一行分为两部分，一部分为词语，另一部分为词频，用空格隔开

• 范例：

  云计算 5 李小福 2 创新办 3  之前： 李小福 / 是 / 创新 / 办 / 主任 / 也 / 是 / 云 / 计算 / 方面 / 的 / 专家 /  加载自定义词库后：　李小福 / 是 / 创新办 / 主任 / 也 / 是 / 云计算 / 方面 / 的 / 专家 /