机器学习笔记之二十一——基于统计的中文分词方法

    中文NLP最基础的问题应该就是分词了,毕竟中文不像英文一样单词与单词之间都有空格存在,所以将句子中的词语分开就是机器对一个句子或者一篇文章进行NLP的第一步

  分词的方法许多,比如基于字典的暴力分词,基于统计的语义分词。因为目前中文分词领域最有效果的就是基于统计的分词方法,所以,我先看它。

 

  基于统计的中文分词方法

      这里介绍的是利用有向无环图DAG求最大概率路径的方法,以“去北京玩耍”这句话为示例进行讲解。

  

继续写下去,到最后end结束时会得到四条路径,概率值最大的那一条就是我们需要的,同时路径所包含的词语也就是我们的分词结果。

  jieba分词就用到了这种方法。

 

参考:

https://www.cnblogs.com/pinard/p/6677078.html

http://www.cnblogs.com/zhbzz2007/p/6084196.html

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值