我自定义的字典，词的权重不会发生改变呢

[f1120309265]

我载入了自定义字典，想对部分词的权重进行提升，但是实际结果该词的权重并没有收到任何影响。 举个栗子： 我没有在自定义词库里添加销量这个词的时候，它分出来的权重值是0.061093127894683，如下图1 （图1） 然后我把销量这个词加入自定义词库，权重设为100，再进行分词，结果还是这个，丝毫不受影响，如下图2 （图2） 这是我的自定义字典userdict.txt的内容，图3 （图3） 这是我的代码，图4 （图4） 请问这是为什么呢

[fukuball]

@f1120309265 你可以提供一下這個例子的 $content 嗎？

[fukuball]

@f1120309265 我仔細看一下 jieba 目前的實作邏輯，自定義詞庫的權重影響的是斷詞切分的組合，跟取出關鍵字的 tf/idf 並無關係，如果你有調整關鍵字權重的需求，我可能要另外實作方法，而且也不是用自定義詞庫來調，可能就提供發法在 run time 中去調整 tf/idf 值。

[fukuball]

剛剛仔細看源碼，應該不用實作新方法就可以達到您的需求，提供一個範例在下面。

[fukuball]

@f1120309265 提供一個範例給你：

$content = "汽车行业巨头大众汽车最新公布2018年销售数据，全年共销售汽车624万辆，创历史新高。尽管如此，总体销量较2017年只是小幅增长0.2%，尤其是下半年受贸易问题和欧洲排放标准的影响，销量增速快速恶化。";

$tags = JiebaAnalyse::extractTags($content, 10);
var_dump($tags);

Jieba::loadUserDict(dirname(dirname(__FILE__)).'/dict/user_dict.txt');

$tags = JiebaAnalyse::extractTags($content, 10);
var_dump($tags);

JiebaAnalyse::$idf_freq['销售数据'] = 20;
$tags = JiebaAnalyse::extractTags($content, 10);
var_dump($tags);

Output 的結果：

array(10) {
  ["销量"]=>
  float(0.38517762539314)
  [624]=>
  float(0.34156478579714)
  ["0.2"]=>
  float(0.34156478579714)
  [2017]=>
  float(0.34156478579714)
  [2018]=>
  float(0.34156478579714)
  ["销售"]=>
  float(0.30390049575086)
  ["大众汽车"]=>
  float(0.284269540954)
  ["汽车行业"]=>
  float(0.24650508838314)
  ["尽管如此"]=>
  float(0.23087413490343)
  ["巨头"]=>
  float(0.21458391385457)
}
array(10) {
  ["销量"]=>
  float(0.39650637908118)
  [624]=>
  float(0.35161080890882)
  ["0.2"]=>
  float(0.35161080890882)
  [2017]=>
  float(0.35161080890882)
  [2018]=>
  float(0.35161080890882)
  ["销售数据"]=>
  float(0.35161080890882)
  ["大众汽车"]=>
  float(0.29263040980559)
  ["汽车行业"]=>
  float(0.25375523804147)
  ["尽管如此"]=>
  float(0.23766455063588)
  ["巨头"]=>
  float(0.22089520543853)
}
array(10) {
  ["销售数据"]=>
  float(0.58823529411765)
  ["销量"]=>
  float(0.39650637908118)
  [624]=>
  float(0.35161080890882)
  ["0.2"]=>
  float(0.35161080890882)
  [2017]=>
  float(0.35161080890882)
  [2018]=>
  float(0.35161080890882)
  ["大众汽车"]=>
  float(0.29263040980559)
  ["汽车行业"]=>
  float(0.25375523804147)
  ["尽管如此"]=>
  float(0.23766455063588)
  ["巨头"]=>
  float(0.22089520543853)
}

[fukuball]

@f1120309265 從上面的範例，我們可以看到加了自定義字典之後，Jieba 可以斷出想要的結果，但是關鍵字的分數則不受影響（自定義字典中的權重意義上只是為了改善斷詞結果，而不是更改關鍵字演算結果），因為在正常情況下，我們不應該任意調整關鍵字演算法的權重計算結果。

但當有特別想要調整的關鍵字權重，我們還是可以使用 JiebaAnalyse::$idf_freq['關鍵字'] = 權重; 例如 JiebaAnalyse::$idf_freq['销售数据'] = 20; 來調整關鍵字權重結果，來對特定字詞調整 idf 值會比較符合你的使用情境，在意義上也會比較對。

[f1120309265]

okay，谢谢解答。 我需要 调整权重的词比较多，所以继承MyJiebaAnalyse类，添加了一个方法，自己载入idf文件，与默认的合并，这样就解决了权重的问题。

[sj8354661]

okay，谢谢解答。 我需要 调整权重的词比较多，所以继承MyJiebaAnalyse类，添加了一个方法，自己载入idf文件，与默认的合并，这样就解决了权重的问题。

请问您写的这个方法可以分享一下么？我也有同样的需求！~

[f1120309265]

okay，谢谢解答。 我需要 调整权重的词比较多，所以继承MyJiebaAnalyse类，添加了一个方法，自己载入idf文件，与默认的合并，这样就解决了权重的问题。

请问您写的这个方法可以分享一下么？我也有同样的需求！~

代码如下，有问题再随时探讨沟通 `use Fukuball\Jieba\JiebaAnalyse;

class MyJiebaAnalyse extends JiebaAnalyse { public static function init($options = array()) { parent::init($options = array()); }

public static function setIdf($idf_path)
{
    $content = fopen($idf_path, "r");
    while (($line = fgets($content)) !== false) {
        $explode_line = explode(" ", trim($line));
        $word = $explode_line[0];
        $freq = $explode_line[1];
        $freq = (float) $freq;
        $idffreq[$word] = $freq;
        self::$idf_freq[$word] = $freq;
    }
    fclose($content);
    asort(self::$idf_freq);
    $keys = array_keys(self::$idf_freq);
    $middle_key = $keys[count(self::$idf_freq)/2];
    self::$max_idf = max(self::$idf_freq);
    self::$median_idf = self::$idf_freq[$middle_key];
}

}`