最近又在迭代特征工程，发现jieba提取特征词有个需要注意的地方，直接看例子
例子1
>>> import jieba
>>> import jieba.posseg as pseg
>>> s = '我们喜欢支付宝, 苹果'
>>> ws = pseg.cut(s)
>>> for i in ws:
... print i
...
我们/r
喜欢/v
支付宝/nr
,/x
/x
苹果/n
>>> allow_pos = ('nr',)
>>> tags = jieba.analyse.extract_tags(s, topK=10, withWeight=False, allowPOS=allow_pos)
>>> for t in tags:
... print t
...
支付宝
>>> allow_pos = ('nr')
>>> tags = jieba.analyse.extract_tags(s, topK=10, withWeight=False, allowPOS=allow_pos)
>>> for t in tags:
... print t
...
苹果
我们
allow_pos = (‘nr’,) 带逗号，allow_pos是tuple， 结果只选取’nr’词性的词
allow_pos = (‘nr’), allow_pos是一个string， 结果选取了’n’ 和’r’的词性
这个差别造成了关键词提取方法中词性选取的差异
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/tech/bigdata/9337.html