原文链接:http://www.facesjoy.cn/article/2019/10/21/12.html
一、 实验目的
了解中文分词意义
掌握中文分词的基本方法
二、 实验环境
Win10 64 位
JDK8.0
三、 实验设计
(一)分词策略
目前较为成熟的中文分词方法主要有:
1.基于词表的分词算法
2.基于统计模型的分析算法
3.基于序列标注的分词算法
我设计的是基于词表的分词算法,其中运用了正向最大匹配法和逆向最大 匹配法结合的方式。基本思路是:
1. 正向最大匹配法(FMM):
概念:对于输入的一个文本序列从左至右,以贪心的算法切分出当前位
分词原理:单词的颗粒度越大,所能表示的含义越确切
分词步骤:首先我们有一个词库 worddict2.txt 还一个待分词的字符串 s,首先我们计算得到词库中最长词语的长度假设为 m,从字符串第一个位置开 始,选择一个最大长度的词长片段,如果该字符串的长度不足最大词长,则选择 该全部字符串;判断选择出来的字符串片段是否在词库中,若在,则将此词分离出来,若不在, 则从右边开始,逐一减少一