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