先简单介绍一下jieba中文分词包，jieba包主要有三种分词模式：
精确模式：默认情况下是精确模式，精确地分词，适合文本分析；
全模式：把所有能成词的词语都分出来, 但是词语会存有歧义；
搜索引擎模式：在精确模式的基础上，对长词再次切分，适合用于搜索引擎分词。
jieba 包常用的语句：
精确模式分词：jieba.cut(text,cut_all = False)，当cut_all = True时为全模式
自定义词典：jieba.load_userdict(file_name)
增加词语：jieba.add_word(seg,freq,flag)
删除词语：jieba.del_word(seg)
《哈利·波特》是英国作家J·K·罗琳的奇幻文学系列小说，描写主角哈利·波特在霍格沃茨魔法学校7年学习生活中的冒险故事。下面将以《哈利波特》错综复杂的人物关系为例，实践一下jieba包。
经过初次分词之后，我们发现大部分的词语已经ok了，但是还是有小部分名字类的词语分得不精确，比如说'布利'、'罗恩说'、'伏地'、'斯内'、'地说'等等，还有像'乌姆里奇'、'霍格沃兹'等分成两个词语的。
再次分词之后，我们可以看到在初次分词出现的错误已经得到修正了，接下来我们统计分析。
整部小说出现最多的词语TOP15中出现了哈利、赫敏、罗恩、邓布利多、魔杖、魔法、马尔福、斯内普和小天狼星等字眼。
我们自己串一下，大概可以知道《哈利波特》的主要内容了，就是哈利在小伙伴赫敏、罗恩的陪伴下，经过大法师邓布利多的帮助与培养，利用魔杖使用魔法把大boss伏地魔k.o的故事。当然啦，《哈利波特》还是非常精彩的。
整部小说按照出场次数，我们发现哈利作为主角的地位无可撼动，比排名第二的赫敏远超13000多次，当然这也是非常正常的，毕竟这本书是《哈利波特》，而不是《赫敏格兰杰》。
处理之后，我们发现同一个人物出现了不同的称呼，因此合并并统计，得出88个节点。
有了节点node以及边edge后，通过gephi对《哈利波特》的人物关系进行分析：
节点的大小表示人物的出场次数，线的粗细表示人物之间的交往关系
网友评论