基本的分词方法包括最大匹配法、最大概率法(最短加权路径法)、最少分词法、基于HMM的分词法、基于互现信息的分词方法、基于字符标注的方法和基于实例的汉语分词方法等。
1.最大匹配法
最大匹配法需要一个词表,分词的过程中用文本的候选词去跟词表中的词匹配,如果匹配成功,则认为候选词是词,予以切分;否则就认为不是词(原则就是尽可能的用最长的词来匹配句子中的汉字串)。
优点:程序简单易行,开发周期短,不需要词法、句法、语义资源,尽管也会出错,但大多数情况下是适用的
缺点:切分歧义消除的能力差(比如:“使用户满意”-->“使用/户/满意”)
算法流程:
(1)待切分汉字串s1,已切分汉字串s2(s2初始为空串)<