金融投资行业分析-金融工程_招金词酷金融文本挖掘的分词工具.pdfVIP

证券研究报告 | 金融工程 数量化投资 招金词酷 2016 年11 月1 日 金融文本挖掘的分词工具 招金词酷组成部分 招金词酷是在开源分词工具 jieba 的基础上，通过整合搜狗金融词库、Wind 词 汇、招商金工总结词汇三部分增量词库，很大程度地提升了金融类文本的分词效 果！  搭建招金词酷：招金词酷是在开源分词工具 jieba 的基础上，通过整合搜狗 金融词库、Wind 词汇、招商金工总结词汇三部分增量词库，通过设置四部分 词汇的词频，使得金融词汇可以优先被识别，很大程度地提升了金融类文本 资料来源：天软科技、招商证券 的分词效果！  招金词酷优势：通过对比招金词酷与其他分词工具，总结出四大优势： 招金词酷主体文件 1.可直接对txt 、pdf 文件分词； 2.支持批量文件分词； 3.分词精度高、信息保留度高； 4.操作便捷，无需安装python。  手把手教您用招金词酷：我们已经把分词工具打包成 exe 文件，无需安装编 程软件，一键运行；在本章中我们都用图来一步步演示招金词酷的具体使用 资料来源：天软科技、招商证券 方法。  PDF 转换工具：目前很多金融类文本都是PDF 格式，我们也为各位投资者额 外提供了一款批量 PDF 转换小工具，这款工具支持把 PDF 软件批量转换成 txt 和HTML 两种格式。我们之所以额外提供HTML 格式的转换，是为了方便 各位投资者对于PDF 文件中表格信息的抓取。HTML 文件由于有很多标签， 可以实现对表格中内容的快速定位，对于精确抓取表格中信息有很好的作用。 叶涛 021 yetao@ S1090514040002 研究助理 赵月涓 zhaoyuejuan@ 敬请阅读末页的重要说明 金融工程 正文目录 一、搭建招金词酷 5 1.1 jieba 分词安装及基本命令 5 1.2 jieba 自定义词典加载方法 7 1.3 招金词酷组成部分 8 1.4 词频设置 11 二、招金词酷赢在精度 11 2.1 与IK Analyzer 分词比较 12 2.2 与某收费工具分词比较 13