阿里云人工智能工程师ACP认证考试知识点辅助阅读
(Aliyun AI ACP 21)自然语言处理常用算法原理与异同
分词方法
基于匹配判断的方法
最大匹配法(Maximal Matching):
- 原理: 该方法按照预设的最大长度原则,从左至右扫描文本,遇到词典中存在的最长子串时,则将其作为一个完整的词切分出来。比如,对于词典中有“自然语言处理”,当遇到“自然语言”和“语言处理”都存在时,优先切分出“自然语言处理”整个词。
- 流程: 初始化词典,然后顺序读入文本,逐个字符或字查找是否存在词典中的最长匹配项,找到就完成一个词的切分。
全切分路径选择:
- 原理: 对待分词文本的所有可能切分方式进行穷举,并根据某种规则或统计模型评估每种切分方案的合理性,最后选择最优切分路径。
- 流程: 利用动态规划等算法生成所有可能的切分序列,然后根据词典信息或者统计模型得分来确定最佳切分结果。
基于统计的方法
- 序列标注方法:
- 原理: 将分词问题转化为序列标注问题,即为每一个字符或字标注其在词中的位置(如BEMS表示法中的开始B、中间M、结束E和单字词S