1 关于语素

百度百科的解释：
语法单位有大有小，最大的语法单位是句子，比句子小的语法单位，依次是短语、词、语素。人类的语言是有声音、有意义的，是语音和语义的结合体，这便是语法单位基本的特点。语素是最小的语法单位，也就是最小的语音、语义结合体。 所有我的理解是，分词后的各个词都是语素。语素有名词性语素、动词性语素等类别。

2 ICTCLAS 词性列表

注： ICTCLAS——中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。先后精心打造五年，内核升级6次，目前已经升级到了ICTCLAS3.0。ICTCLAS3.0分词速度单机996KB/s，分词精度98.45%，API不超过200KB，各种词典数据压缩后不到3M，是当前世界上最好的汉语词法分析器。

POS = { 
"n": {  # 1. 名词  (1个一类，7个二类，5个三类) 
"n": "名词", 
"nr": "人名", 
"nr1": "汉语姓氏", 
"nr2": "汉语名字", 
"nrj": "日语人名", 
"nrf": "音译人名", 
"ns": "地名", 
"nsf": "音译地名", 
"nt": "机构团体名", 
"nz": "其它专名", 
"nl": "名词性惯用语", 
"ng": "名词性语素" 
}, 
"t": {  # 2. 时间词(1个一类，1个二类) 
"t": "时间词", 
"tg": "时间词性语素" 
}, 
"s": {  # 3. 处所词(1个一类) 
"s": "处所词" 
}, 
"f": {  # 4. 方位词(1个一类) 
"f": "方位词" 
}, 
"v": {  # 5. 动词(1个一类，9个二类) 
"v": "动词", 
"vd": "副动词", 
"vn": "名动词", 
"vshi": "动词“是”", 
"vyou": "动词“有”", 
"vf": "趋向动词", 
"vx": "形式动词", 
"vi": "不及物动词（内动词）", 
"vl": "动词性惯用语", 
"vg": "动词性语素" 
}, 
"a": {  # 6. 形容词(1个一类，4个二类) 
"a": "形容词", 
"ad": "副形词", 
"an": "名形词", 
"ag": "形容词性语素", 
"al": "形容词性惯用语" 
}, 
"b": {  # 7. 区别词(1个一类，2个二类) 
"b": "区别词", 
"bl": "区别词性惯用语" 
}, 
"z": {  # 8. 状态词(1个一类) 
"z": "状态词" 
}, 
"r": {  # 9. 代词(1个一类，4个二类，6个三类) 
"r": "代词", 
"rr": "人称代词", 
"rz": "指示代词", 
"rzt": "时间指示代词", 
"rzs": "处所指示代词", 
"rzv": "谓词性指示代词", 
"ry": "疑问代词", 
"ryt": "时间疑问代词", 
"rys": "处所疑问代词", 
"ryv": "谓词性疑问代词", 
"rg": "代词性语素" 
}, 
"m": {  # 10. 数词(1个一类，1个二类) 
"m": "数词", 
"mq": "数量词" 
}, 
"q": {  # 11. 量词(1个一类，2个二类) 
"q": "量词", 
"qv": "动量词", 
"qt": "时量词" 
}, 
"d": {  # 12. 副词(1个一类) 
"d": "副词" 
}, 
"p": {  # 13. 介词(1个一类，2个二类) 
"p": "介词", 
"pba": "介词“把”", 
"pbei": "介词“被”" 
}, 
"c": {  # 14. 连词(1个一类，1个二类) 
"c": "连词", 
"cc": "并列连词" 
}, 
"u": {  # 15. 助词(1个一类，15个二类) 
"u": "助词", 
"uzhe": "着", 
"ule": "了 喽", 
"uguo": "过", 
"ude1": "的 底", 
"ude2": "地", 
"ude3": "得", 
"usuo": "所", 
"udeng": "等 等等 云云", 
"uyy": "一样 一般 似的 般", 
"udh": "的话", 
"uls": "来讲 来说 而言 说来", 
"uzhi": "之", 
"ulian": "连 "  # （“连小学生都会”） 
}, 
"e": {  # 16. 叹词(1个一类) 
"e": "叹词" 
}, 
"y": {  # 17. 语气词(1个一类) 
"y": "语气词(delete yg)" 
}, 
"o": {  # 18. 拟声词(1个一类) 
"o": "拟声词" 
}, 
"h": {  # 19. 前缀(1个一类) 
"h": "前缀" 
}, 
"k": {  # 20. 后缀(1个一类) 
"k": "后缀" 
}, 
"x": {  # 21. 字符串(1个一类，2个二类) 
"x": "字符串", 
"xx": "非语素字", 
"xu": "网址URL" 
}, 
"w": {   # 22. 标点符号(1个一类，16个二类) 
"w": "标点符号", 
"wkz": "左括号",  # （ 〔  ［  ｛  《 【  〖 〈   半角：( [ { < 
"wky": "右括号",  # ） 〕  ］ ｝ 》  】 〗 〉 半角： ) ] { > 
"wyz": "全角左引号",  # “ ‘ 『 
"wyy": "全角右引号",  # ” ’ 』 
"wj": "全角句号",  # 。 
"ww": "问号",  # 全角：？ 半角：? 
"wt": "叹号",  # 全角：！ 半角：! 
"wd": "逗号",  # 全角：， 半角：, 
"wf": "分号",  # 全角：； 半角： ; 
"wn": "顿号",  # 全角：、 
"wm": "冒号",  # 全角：： 半角： : 
"ws": "省略号",  # 全角：……  … 
"wp": "破折号",  # 全角：——   －－   ——－   半角：---  ---- 
"wb": "百分号千分号",  # 全角：％ ‰   半角：% 
"wh": "单位符号"  # 全角：￥ ＄ ￡  °  ℃  半角：$ 
} 
}

3 jieba 分词与pyltp分词

测试了一个例子，发现jieba在该例子中不准确：
jieba分词及词性标注结果：

>>> a = '这本书很好' 
>>> import jieba 
>>> ws = jieba.cut(a) #分词 
>>> for i in ws: 
...     print i 
... 
这 
本书 
很 
好 
>>> import jieba.posseg as pseg   #词性标注 
>>> ws = pseg.cut(a) 
>>> for i in ws: 
...     print i 
... 
这/r 
本书/r 
很/d 
好/a

哈工大ltp结果：

from pyltp import Segmentor 
segmentor = Segmentor() 
segmentor.load('/Users/a000/git/ltp_data/cws.model') 
words = segmentor.segment('这本书很好') 
for i in words: 
print i 
分词结果： 
这 
本 
书 
很 
好 
from pyltp import Postagger 
poser = Postagger() 
poser.load('/Users/a000/git/ltp_data/pos.model') 
words = poser.postag(words) 
print words 
for i in words: 
print i 
词性标注结果： 
r 
q 
n 
d 
a