---
title: "開始製作基督教中文詞庫作文字數據分析"
url: https://sammy.hk/start-making-christian-chinese-word-db-for-text-segmentation/
author: Sammy Fung
published: 2021-08-30T16:20:12+08:00
modified: 2026-01-10T11:21:05+08:00
description: "做中文文字數據分析時，數據科學家需要先做中文分詞工作，但做聖經和基督教文章的文字數據分析，還是需要額外詞庫協助改善分詞結果，所以我想製作基督教中文詞庫。另一方面，我使用 YouVersion 聖經APP 時，搜尋中文字詞總會出現奇怪結果，可見中文搜尋和分詞有待改善，例如搜尋「以馬」（以馬內利、以馬忤斯），頭四個結果是正…"
categories: ["生活", "開放源碼"]
tags: [indigitous]
source: https://sammy.hk
---
做中文文字數據分析時，數據科學家需要先做中文分詞工作，但做聖經和基督教文章的文字數據分析，還是需要額外詞庫協助改善分詞結果，所以我想製作基督教中文詞庫。另一方面，我使用 YouVersion 聖經APP 時，搜尋中文字詞總會出現奇怪結果，可見中文搜尋和分詞有待改善，例如搜尋「以馬」（以馬內利、以馬忤斯），頭四個結果是正常。
[](https://sammy.hk/wp-content/uploads/2021/08/youversion-bible-chinese-success-1.jpg)然後幾個結果就不關「以馬」事了。
[](https://sammy.hk/wp-content/uploads/2021/08/youversion-bible-chinese-failure.jpg)這個月我終於開始第一步，先取得聖經經文來試驗中文分詞 。在數據科學常用的 Python 語言﹐jieba 是常用的免費開源中文分詞套件。我寫了一個開源 [web scraper](https://github.com/sammyfung/biblescraper) 來收集所用的中文聖經經文，並用 jieba 的基本詞庫來分詞。
例如：
```
經文：人要稱他的名為以馬內利。
Jieba基本分詞：人要|稱|他|的|名為|以馬|內利|。
```
```
經文：（以馬內利翻出來就是「神與我們同在」。）
Jieba基本分詞：（|以馬|內利翻|出來|就是|「|神|與|我們|同|
```
我打算將來有時間和資源時，再寫程式做一個免費而開源的基督教聖經詞庫，讓 jieba 可直接使用，方便中文文字大數據分析等數據工作，或是較準備地搜尋中文聖經文字，或有利網上文章內容分析和機器學習。
### 相關文章：
1. [【COSCUP 2019】基督教論壇報訪問翻譯語言科技資源](https://sammy.hk/%e3%80%90coscup-2019%e3%80%91%e5%9f%ba%e7%9d%a3%e6%95%99%e8%ab%96%e5%a3%87%e5%a0%b1%e8%a8%aa%e5%95%8f%e7%bf%bb%e8%ad%af%e8%aa%9e%e8%a8%80%e7%a7%91%e6%8a%80%e8%b3%87%e6%ba%90/ "【COSCUP 2019】基督教論壇報訪問翻譯語言科技資源")
2. [將恩賜轉化成事奉：數碼地極特使活動](https://sammy.hk/%e5%b0%87%e6%81%a9%e8%b3%9c%e8%bd%89%e5%8c%96%e6%88%90%e4%ba%8b%e5%a5%89%ef%bc%9a%e6%95%b8%e7%a2%bc%e5%9c%b0%e6%a5%b5%e7%89%b9%e4%bd%bf%e6%b4%bb%e5%8b%95/ "將恩賜轉化成事奉：數碼地極特使活動")
3. [香港 Indigitous 2018/12月聚會](https://sammy.hk/%e9%a6%99%e6%b8%af-indigitous-2018-12%e6%9c%88%e8%81%9a%e6%9c%83/ "香港 Indigitous 2018/12月聚會")
4. [香港新常態下的福音使命 – Indigitous 2021](https://sammy.hk/indigitous-2021/ "香港新常態下的福音使命 – Indigitous 2021")