作者:小伍哥
来源:AI入门学习
一、应用概述
最近做一个项目,发现很多场景,把汉字转换成拼音,然后进行深度学习分类,能够取得非常不错的效果,在做内容识别,特别是涉及到同音字的时候,转换成拼音就显得特别重要。比如垃圾广告识别:公众号、工仲号、躬总号,公众號、微信、威信、维伈.........,pypinyin是我用的一个比较好用的Python包,给大家分享下,当然,在其他很多场景也是可以使用的,排序、检索等等场合。
二、有关文档
GitHub: https://github.com/mozillazg/python-pinyin
文 档:https://pypinyin.readthedocs.io/zh_CN/master/
PyPi :https://pypi.org/project/pypinyin/
三、关于安装
#可以使用 pip 进行安装 pip install pypinyin #easy_install 安装 easy_install pypinyin #源码安装 python setup.py install
四、核心函数
1、pypinyin.pinyin
语法:pypinyin.pinyin(hans, style=Style.TONE, heteronym=False, errors='default', strict=True)
功能:将汉字转换为拼音,返回汉字的拼音列表。
参数:
from pypinyin import pinyin, Style import pypinyin #普通模式 pinyin('中心') [['zhōng'], ['xīn']] pinyin('公众号') [['gōng'], ['zhòng'], ['hào']] # 启用多音字模式 pinyin('中心', heteronym=True) [['zhōng', 'zhòng'], ['xīn']] # 设置拼音风格 pinyin('中心', style=Style.NORMAL ) #普通风格 [['zhong'], ['xin']] pinyin('中心', style=Style.FIRST_LETTER) [['z'], ['x']] pinyin('中心', style=Style.TONE2) [['zho1ng'], ['xi1n']] pinyin('中心', style=Style.TONE3) [['zhong1'], ['xin1']] pinyin('中心', style=Style.CYRILLIC) #汉语拼音与俄语字母对照风格 [['чжун1'], ['синь1']]
2、pypinyin.lazy_pinyin
语法:pypinyin.lazy_pinyin(hans, style=Style, errors='default', strict=True)
功能:将汉字转换为拼音,返回不包含多音字结果的拼音列表,与 pinyin() 的区别是返回的拼音是个字符串, 并且每个字只包含一个读音
参数:
from pypinyin import lazy_pinyin, Style import pypinyin lazy_pinyin('中心') ['zhong', 'xin']lazy_pinyin('微信公众号')['wei', 'xin', 'gong', 'zhong', 'hao'] lazy_pinyin('中心', style=Style.TONE) ['zhōng', 'xīn'] lazy_pinyin('中心', style=Style.FIRST_LETTER) ['z', 'x'] lazy_pinyin('中心', style=Style.TONE2) ['zho1ng', 'xi1n'] lazy_pinyin('中心', style=Style.CYRILLIC) ['чжун1', 'синь1']
3、pypinyin.slug
功能:将汉字转换为拼音,然后生成 slug 字符串,简单说就是自定义分隔符
语法:pypinyin.slug(hans , style=Style, heteronym=False, separator='-', errors='default', strict=True)
import pypinyin from pypinyin import Style pypinyin.slug('我是中国人') 'wo-shi-zhong-guo-ren' pypinyin.slug('我是中国人', separator=' ') 'wo shi zhong guo ren' pypinyin.slug('中国人2020雄起', separator=' ') #遇到数字等非汉字不注音'zhong guo ren 2020 xiong qi' pypinyin.slug('中国人2020雄起', style=Style.FIRST_LETTER) 'z-g-r-2020-x-q' pypinyin.slug('我是中国人', style=Style.CYRILLIC) 'во3-ши4-чжун1-го2-жэнь'
4、 pypinyin.load_single_dict
功能:载入用户自定义的单字拼音库
语法: pypinyin.load_single_dict(pinyin_dict, style='default')
参数:
5、 pypinyin.load_phrases_dict
功能:载入用户自定义的词语拼音库
语法: pypinyin.load_phrases_dict(phrases_dict, style='default')
参数:
五、一个案例
假如需要找出一个垃圾评价的相似样本,用汉语相似性远远小于拼音,这个时候,拼音就能发挥很大的优势。
当然转换成拼音后,把每个音节当一个词,进行深度学习,效果也是非常好的。
S1 = '加公众号:小优惠,领券,便宜购买'
S2 = '伽工仲号:小优惠,伶绻,便宜购买'
#汉语相似
simi_1 = len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))#相似不懂的可以看我前面集合的文章
simi_1
0.5
#转换成拼音后显示
S1 = lazy_pinyin(S1)
S2 = lazy_pinyin(S2)
simi_2 = len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))
simi_2
0.875
数据分析咨询请扫描二维码
数据挖掘是现代企业利用数据驱动决策的重要工具。它涉及从大量数据中提取隐藏的、先前未知但潜在有用的信息,依托人工智能、机器 ...
2024-10-23在当前数据驱动的商业环境中,数据分析师的角色变得越来越重要。想要踏入这一领域并取得成功,不仅需要扎实的技术基础,还需要不 ...
2024-10-23数据分析是一个广泛而又精细的领域,它结合了统计学、计算机科学、商业策略以及数据科学等多个学科的知识。这个领域日新月异的发 ...
2024-10-23在现代企业中,数字化管理师扮演着至关重要的角色。他们不仅帮助企业优化资源配置,还推动企业的数字化转型。要成为一名合格的数 ...
2024-10-23大数据专业是一个跨学科的领域,涵盖了数学、统计学、计算机科学与技术等多个学科。随着数据在各个行业中的重要性日益增加,大数 ...
2024-10-23大数据分析师培训教程-2.1 Hadoop入门-Hadoop 1.0 的局限与 Hadoop 2.0(YARN)的革新 Hadoop简介Hadoop 的生态系统HDFS 的原理 ...
2024-10-232024,您是否渴望在数据领域探索更广阔的职业机遇? 数字化时代,数据量级每年都在呈指数级增长。据统计,全球互联网用户每天产 ...
2024-10-21数据科学专业是一门跨学科的综合性学科,涵盖了数学、统计学、计算机科学等多个领域。其核心目标是通过数据的收集、处理和分析来 ...
2024-10-21Python是一种高级解释性编程语言,由Guido van Rossum于1991年创造。凭借其简单易学、代码可读性强和功能强大的特点,Python已经 ...
2024-10-21在当今数据驱动的世界中,选择学习Hadoop已成为许多数据分析师和IT专业人士的必修课。Hadoop不仅是大数据处理领域的核心技术之一 ...
2024-10-21数据开发工程师在当今数据驱动的世界中扮演着至关重要的角色。他们不仅负责数据的采集和处理,还在数据仓库建设、系统开发和数据 ...
2024-10-20在当今快速变化的数字经济时代,数字化转型已经成为企业实现持续增长和竞争优势的关键。数字化转型不仅仅是技术的变革,更是组织 ...
2024-10-19在当今快速发展的科技时代,数字经济已成为全球经济的重要组成部分。选择数字经济专业,不仅能为你打开通往多个行业的大门,还能 ...
2024-10-18学习统计学与大数据分析具有显著的优势,能够帮助你走向高薪岗位。在数字化时代背景下,统计学和大数据分析展现出强大的就业潜力 ...
2024-10-18在当今的数字时代,数据科学与大数据技术专业的就业方向极为广泛,涵盖了多个领域和岗位。随着数据成为企业决策的重要依据,行业 ...
2024-10-18大数据技术与应用领域正在迅速发展,成为现代经济和科技发展的重要驱动力。随着数据量的爆炸式增长,各行各业对大数据专业人才的 ...
2024-10-18在当今数据驱动的商业环境中,数据分析软件已成为企业决策过程中不可或缺的工具。随着数据量的激增和分析需求的复杂化,选择合适 ...
2024-10-18在当今数据驱动的世界中,数据分析已成为许多行业不可或缺的一部分。无论是企业决策、市场营销,还是产品开发,数据分析都能提 ...
2024-10-18数据分析在现代企业中扮演着至关重要的角色,帮助企业在竞争激烈的市场中做出明智的决策。随着数据量的不断增长,企业需要依赖先 ...
2024-10-18CDA(Certified Data Analyst)认证在数据分析领域具有显著的作用,具体包括以下几个方面: 1. 专业技能认可 CDA认证是数据分析 ...
2024-10-17