
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
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10