基于CRF的中文分詞研究與實(shí)現(xiàn).pdf

1、中文分詞是中文自然語言處理的基礎(chǔ)性任務(wù),分詞的準(zhǔn)確性直接影響到后續(xù)處理任務(wù),分詞的速度影響到后續(xù)的直接應(yīng)用。成功的分詞方法需要具有較高的準(zhǔn)確性和快速切分的能力。由于中文自身的復(fù)雜性,如何做到有準(zhǔn)又快地分詞一直是中文自然語言處理的難題。
　　 本文首先介紹了分詞技術(shù)研究的現(xiàn)狀以及應(yīng)用范圍,闡述了當(dāng)前常見的分詞方法和各種分詞方法的優(yōu)缺點(diǎn),分析了中文分詞研究面臨的問題,由此引出本文的研究論題:基于詞典的機(jī)械切分可以做到比較快速的切分,

2、但是其不足之處是局限于詞典,準(zhǔn)確率和處理新詞的能力無法達(dá)到滿意的效果,條件隨機(jī)域統(tǒng)計模型能很好地達(dá)到新詞識別的能力;然后提出了一種結(jié)合詞典和CRF統(tǒng)計分詞的方法,將CRF識別新詞的優(yōu)勢和機(jī)械分詞的速度優(yōu)勢相結(jié)合。改進(jìn)了CRF的解碼部分,使用詞典先做全切分,而后依據(jù)模板計算閾值并以此判定是否為新詞,同時可以在平均程度上加快解碼速度:由于詞典是聯(lián)系機(jī)械分詞和統(tǒng)計分詞的重要紐帶,為了實(shí)現(xiàn)吸納新詞和快速切分,本文提出了分級詞典的方法,由核心詞典