一种基于互信息的N_gram中文分词方法.pdfVIP

下载本文档

6
0
约9.43千字
约 11页
2023-06-01 发布于四川
举报
版权申诉

一种基于互信息的N_gram中文分词方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及一种基于互信息的N_gram中文分词方法，其中基于互信息的N_gram中文分词方法包括：首先根据训练数据集仅使用词长度小于6的词建立词典，获得N_gram语言模型的统计信息以及得到字与字之间的内部连接度和外部离散度，计算字与字之间的分合比；然后使用双向最大匹配算法根据词典和N_gram语言模型的统计信息进行中文分词；最后为根据字与字之间的内部连接度、外部离散度以及分合比对分词结果进行二次处理，得到最终的分词结果。该方法通过引入互信息知识有效的提升N_gram算法的分词速度，并且提高了N

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112560446 A (43)申请公布日 2021.03.26 (21)申请号 202011458944.5 (22)申请日 2020.12.11 (71)申请人东北林业大学地址