在采集美女站时，需要对关键词进行分词，最终采用的是python的结巴分词方法。
中文分词是中文文本处理的一个基础性工作，结巴分词利用进行中文分词。
其基本实现原理有三点：
1.基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)
2.采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
3.对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi算法
安装（Linux环境）
下载工具包，解压后进入目录下，运行：python set
