原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：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
技术白皮书
技术白皮书
★保密★
项目名称：_海量中文智能分词基础件一
开发单位：天津海量信息技术有限公司____
海量中文智能分词基础件技术白皮书
Version: 3.0
Date:22/12/2007
〈documentidentifier〉
目录
TOC\o1-5\h\z\oCurrentDocument序言 2
\oCurrentDocument第一章产品概述 3
\oCurrentDocument1.1产品简介 3
\oCurrentDocument1.2产品的适用范围 3
产品结构 3
\oCurrentDocument第二章产品技术特点 4
\oCurrentDocument2.1分词准确率高 4
\oCurrentDocument2.2分词效率高 4
\oCurrentDocument功能接口丰富，使用灵活方便 4
\oCurrentDocument第三章产品功能介绍 5
\oCurrentDocument3.1分词功能模块的介绍 5
\oCurrentDocument3.2开发接口 5
3.3功能列表 6
\oCurrentDocument第四章典型应用 7
\oCurrentDocumentKM知识管理系统 7
\oCurrentDocument4.2搜索引擎 7
\oCurrentDocument4.3辞书出版 7
\oCurrentDocument4.4信息服务 8
\oCurrentDocument4.5网站信息发布 8
第五章产品性能指标 8
\oCurrentDocument第六章运行环境 8
WINDOWS 8
\oCurrentDocumentLINUX 9
\oCurrentDocumentUNIX 9
\oCurrentDocument第七章成功案例 9
7.1商务印书馆 9
\oCurrentDocument7.2慧聪搜索引擎 10
\oCurrentDocument7.3其他案例 10
海重中文智能分词基础件
Version: 3.0
技术白皮书
Date:22/12/2007
documentidentifier
序言
什么是中文分词？
中文分词就是将连续的字序列按照一定的规范切分成词序列的过程。众所周知，在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段可以通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，但是在词这一层上，中文比之英文要复杂的多、困难的多。
中文分词的应用
中文分词主要应用于信息检索、汉字的智能输入、中外文对译、中文校对、自动摘要、自动分类等很多方面。下面就以信息检索为例来说明中文分词的应用。
通过近几年互联网的发展，互联网上的信息也在急剧膨胀，各类信息混杂在一起，要想充分利用这些信息资源就要对它们进行整理，如果面对中文信息不采用分词技术，那么整理的结果就过于粗糙，而导致资源的不可用，例如：制造业和服务业是两个不同的行业〃和我们出口日本的和服比去年有所增长〃中都有和服”，如果都作为一个词来处理，结果是检索和服〃的相关信息，会将他们都检索到。很显然，检索到第一条信息是不恰当的。
通过引入分词技术，可以使机器对信息的整理更准确、更合理，在制造业和服务业是两个不同的行业〃中和服〃不会被当作一个词来处理，那么检索和服〃当然不会将它检索到，使得检索结果更准确，效率也会大幅度的提高。
中文分词的意义和作用
要想说清楚中文分词的意义和作用，就不得不提到智能计算技术。智能计算技术涉及的学科包括物理学、数学、计算机科学、电子机械、通讯、生理学、进化理论和心理学等等。简单的说，智能计算就是让机器能看会想，能听会讲〃。要想实现这样的一个目标，首先就要让机器理解人类的语言，只有机器理解了人类的语言文字，才能使人与机器的交流成为可能。
对于自然语言来讲，词是最小的能够独立活动的有意义的语言成分〃，所以对于中文来讲，将词确定下来是理解自然语言的第一步，只有跨越了这一步，中文才能像英文那样过渡到短语划分、概念抽取以及主题分析，以至于自然语言理解，最终达到智能计算的最高境界，实现人类的梦想。
中文分词是中文信息处理系统的基础，有着极其广泛的实际应用。从基本的输入系统，到文字处理，以及语音合成，文本检索，文本分类，自然语言接口，自动文摘等等，无处不渗透着分词系统的应用。分词系统的完善与应用，必将促进中文信息处理系统的广泛应用，换言之，也就提
文档评论（0）