SEM里面分词到底该如何分，有什么好的分词工具吗？

百度推广账户是由推广计划、推广单元、关键词组合而成的，每个部分都需要分析市场和需求来进行划分与撰写，俺今天没有被委派创建计划单元，而是将单元中的关键词进行分组，乍听起来貌似还比较容易但真的做起来就有些凌乱了。

我的一个单元，打开之后竟然有好几百的关键词，然后让我将其重新分类分词：把意义相同，相近，语言表达有相同或相近意义的词语进行归类！

看着这几百个词顿时脑子就乱套了，先是把这些词总结到EXCEL里面就是一个工程，好在有一个提词的神器，否则真是欲哭无泪了。

分词思路方法小结：

1.根据类别进行筛选分类

2.通过语句的连接词进行分类

3.特殊口语单独分类

4.通过定语进行分类

5.经验决定分类

其实分词的方式并不局限于教程，而是根据每个人的经验不同而有不同的差别，和优化一样，对于栏目的把控人人有人人的方法，我们不能说哪种是对的，只有百度认可才是王道。

分词工具百度可以找下，很多

做任务，望采纳

sem要学习什么内容？

（1）学习搭建账户

分词——导入客户端——创意撰写——匹配URL

基于行业的调研、公司、产品和用户的调研，获取关键词并使用分词工具对关键词进行细分。分词主要遵循以下原则：

结构相同（字数相近、词性相同）

意思相近（同义词、近义词）

句式相同（疑问、陈述、否定）

四类计划必备（品牌词、竞品词、产品词、通用词）

（2）学习落地页设计

落地页的设计要求是吸引网民的关注让客户下单，接下来介绍产品，然后描述用户需求痛点，接着介绍产品迎合用户需求，最后呼吁用户购买。

（3）学习数据分析

数据分析需要使用三个表：关键词报告表、客户咨询表、账户结构表。

数据分析需要掌握四个公式：vlookup、countif、hour、iferror、sum。

（4）SEM方案

SEM方案主要包括以下内容：前期调研、投放策略、投放执行和效果预估四部分内容。

（5）信息流

信息流板块主要了解和学习今日头条、广点通等信息流平台的特点和操作流程。

以下分词工具均能在Python环境中直接调用（排名不分先后）。

1、jieba（结巴分词） 免费使用

2、HanLP（汉语言处理包） 免费使用

3、SnowNLP（中文的类库） 免费使用

4、FoolNLTK（中文处理工具包） 免费使用

5、Jiagu（甲骨NLP） 免费使用

6、pyltp（哈工大语言云） 商用需要付费

7、THULAC（清华中文词法分析工具包） 商用需要付费

8、NLPIR（汉语分词系统） 付费使用

1、jieba（结巴分词）

“结巴”中文分词：做最好的 Python 中文分词组件。

项目Github地址：jieba

安装 ：

pip install jieba

使用 ：

import jieba

jieba.initialize()

text = '化妆和服装'

words = jieba.cut(text)

words = list(words)

print(words)

2、HanLP（汉语言处理包）

HanLP是一系列模型与算法组成的NLP工具包，由大快搜索主导并完全开源，目标是普及自然语言处理在生产环境中的应用。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。

项目Github地址：pyhanlp

安装：

pip install pyhanlp

使用 ：

import pyhanlp

text = '化妆和服装'

words = []

for term in pyhanlp.HanLP.segment(text):

words.append(term.word)

print(words)

3、SnowNLP（中文的类库）

SnowNLP是一个python写的类库，可以方便的处理中文文本内容，是受到了TextBlob的启发而写的，由于现在大部分的自然语言处理库基本都是针对英文的，于是写了一个方便处理中文的类库，并且和TextBlob不同的是，这里没有用NLTK，所有的算法都是自己实现的，并且自带了一些训练好的字典。

项目Github地址：snownlp

安装：

pip install snownlp

使用：

import snownlp

text = '化妆和服装'

words = snownlp.SnowNLP(text).words

print(words)

4、FoolNLTK（中文处理工具包）

可能不是最快的开源中文分词，但很可能是最准的开源中文分词。

项目Github地址：FoolNLTK

安装：

pip install foolnltk

使用：

import fool

text = '化妆和服装'

words = fool.cut(text)

print(words)

5、Jiagu（甲骨NLP）

基于BiLSTM模型，使用大规模语料训练而成。将提供中文分词、词性标注、命名实体识别、关键词抽取、文本摘要、新词发现等常用自然语言处理功能。参考了各大工具优缺点制作，将Jiagu回馈给大家。

项目Github地址：jiagu

安装：

pip3 install jiagu

使用：

import jiagu

jiagu.init()

text = '化妆和服装'

words = jiagu.seg(text)

print(words)

6、pyltp（哈工大语言云）

pyltp 是 LTP 的 Python 封装，提供了分词，词性标注，命名实体识别，依存句法分析，语义角色标注的功能。

项目Github地址：pyltp，3.4模型下载链接：网盘

安装：

pip install pyltp

使用：

import pyltp

segmentor = pyltp.Segmentor()

segmentor.load('model/ltp_data_v3.4.0/cws.model') # 模型放置的路径

text = '化妆和服装'

words = segmentor.segment(text)

words = list(words)

print(words)

7、THULAC（清华中文词法分析工具包）

THULAC（THU Lexical Analyzer for Chinese）由清华大学自然语言处理与 社会 人文计算实验室研制推出的一套中文词法分析工具包，具有中文分词和词性标注功能。

项目Github地址：THULAC-Python

安装：

pip install thulac

使用：

import thulac

thu = thulac.thulac(seg_only=True)

text = '化妆和服装'

words = thu.cut(text, text=True).split()

print(words)

NLPIR（汉语分词系统）

主要功能包括中文分词；英文分词；词性标注；命名实体识别；新词识别；关键词提取；支持用户专业词典与微博分析。NLPIR系统支持多种编码、多种操作系统、多种开发语言与平台。

项目Github地址：pynlpir

安装：

pip install pynlpir

下载证书覆盖到安装目录，NLPIR.user 例如安装目录：/usr/lib64/python3.4/site-packages/pynlpir/Data

使用 ：

import pynlpir

pynlpir.open()

text = '化妆和服装'

words = pynlpir.segment(text, pos_tagging=False)

print(words)

pynlpir.close()

---