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
汉语分词算法徐晓骏
目录背景为什么分词算法那么困难三类分词算法
目录背景为什么分词算法那么困难三类分词算法
背景自然语言处理(NaturalLanguageProcessing)词性标注句法分析语义分析对于中文：分词算法
目录背景为什么分词算法那么困难三类分词算法
为什么分词算法那么困难？交集型歧义武汉市长/江大桥乒乓球/拍卖完了已经取得文凭的和尚/未取得文凭的干部一次/性生活/补助为人民办公益
为什么分词算法那么困难？组合型歧义这个人---个人恩怨把手抬起来---门把手坏了--小明，请用“难过”一词造句。--我家门前有一条小河很难过。--给我滚。
为什么分词算法那么困难？未登录词然并卵令计划巴塞罗/那一场大雪佟大/为妻子生下一女儿
目录背景为什么分词算法那么困难三类分词算法
三类分词算法基于词典的分词算法基于理解的分词算法基于统计的分词算法
基于词典的算法词典：哪些是词最大匹配：每次都匹配最长的词Trie树
基于词典的算法最少词数独立自主/和平/等/互利/的/原则独立自主/和/平等互利/的/原则词典中添加“不成单字”的表。他/说/的确/实/在理他/说/的确/实在/理他/说/的/确实/在理
基于词典的算法最少词数+“不成单字表”动态规划score[i]:匹配到i结尾的最少罚分对组合型歧义束手无策
基于理解的算法同时完成分词与句法、语义分析等。NoamChomsky《句法结构》句子→名词性短语＋动词性短语名词性短语→名词名词性短语→形容词性短语＋的＋名词性短语...
基于统计的算法最少词数+“不成单字表”单词出现的频率含大量真实语料的语料库
基于统计的算法选择概率最大的分词方法句子：概率：
基于统计的算法
基于统计的算法分词方法使概率最大？动态规划
基于统计的算法字标注法把分词过程看做每个字在句子中的标注问题例：4-tag(B-词首,M-词中,E-词尾,S-单独成词)上/B海/E计/B划/E到/S本/S世/B纪/E末/S实/B现/E人/B均/E国/B内/E生/B产/E总/B值/E五/B千/M美/M元/E。/S
基于统计的算法字标注法各类机器学习算法e.g.条件随机场(CRF)e.g.支持向量机
QA
谢谢观看！
文档评论（0）