您的位置: 内蒙古时时彩走势 > SEO教程 > SEO基础教程 > 正文

老时时彩开奖号码查询:seo干货_百度分词技术 百度分词工具

内蒙古时时彩走势 www.j9v65.com.cn 发布时间:2018-01-10 10:39:11 来源:内蒙古时时彩走势 编辑:SEO知否    人点击

  百度分词技术就是百度针对用户提交查询的关键词串进行的查询处理后根据用户的关键词串用各种匹配方法进行的一种技术。[1] 所谓分词就是把字与字连在一起的汉语句子分成若干个相互独立、完整、正确的单词。词是最小的、能独立活动的、有意义的语言成分。计算机的所有语言知 识都来自机器词典(给出词的各项信息) 、句法规则(以词类的各种组合方式来描述词的聚合现象) 以及有关词和句子的语义、语境、语用知识库。中文信息处理系统只要涉及句法、语义(如检索、翻译、文摘、校对等应用) ,就需要以词为基本单位。当汉字由句转化为词之后,才能使得句法分析、语句理解、自动文摘、自动分类和机器翻译等文本处理具有可行性??梢运?分词是机器 语言学的基础。

5.jpg

  百度分词的4个原理:

  1、基于理解:傻瓜式匹配,小于等于3个中文字符百度是不进行切词的,比如搜索“大学堂”。

  2、基于统计:百度把一个词标红的原因:标红的词一般是一个关键词,你搜索“学”字的时候,百度它自认的把“学习”也当成了一个关键词,所以出现“学习”这个词标红,这就是百度分词法:基于统计分词。

  3、基于字符串匹配(百度的分词法:正向最大切词法)

  最大与最小(最大匹配:一直匹配到没词可配;最小匹配:匹配出词了就停止匹配,再从另一个词开始匹配)比如:百度搜索“湖南大学堂屋顶”,百度的一个分词算法我们把它当成一个黑盒子,我们通过一些输入关键词,根据百度的输出结果来判定百度的分词算法。正向与反向(正向:从前往后配;反向:从后往前配)(湖南大学堂屋顶)正向分法:湖南大学 堂屋 顶 (刘强大地方法)正向分法:刘 强大 地方 法。反向分法:方法 大地 刘 强。而在这个词语当中“大地”不是一个词。

  4、基于专有词库。比如杰出人物(如:毛泽东)明星(如:刘德华)检索量大的词(如:买票难) 。

  分词工具(没有百度的,收集了几个开源的分词工具):

  1、ICTCLAS – 全球最受欢迎的汉语分词系统

  2、HTTPCWS – 基于HTTP协议的开源中文分词系统

  3、SCWS – 简易中文分词系统

  4、PhpanAlysis - PHP无组件分词系统

  5 、MMSEG4J

  6、盘古分词

  7、IKAnalyzer 开源的轻量级中文分词工具包


相关推荐

    无相关信息
  • 2016全国创新社会治理典型案例颁奖典礼暨经验交流会 2019-05-27
  • 湖州:重点物流项目建设加速 2019-05-27
  • 南宁市启用新能源汽车专用号牌 2019-05-26
  • 习近平提出,提高保障和改善民生水平,加强和创新社会治理 2019-05-26
  • 向“份子钱”开刀 广州的士再改革 2019-05-26
  • 空调还装墙壁上?聪明人都是往这里装,好看又省地 ——凤凰网房产 2019-05-25
  • 幸福是奋斗出来的——亚心网专题 2019-05-25
  • 紫光阁中共中央国家机关工作委员会 2019-05-24
  • 和谐号动车将开放企业冠名 沪铁路485个车次开始招商 2019-05-24
  • 单凭祝福的话和许愿的心不能够实现任何事情。 2019-05-24
  • 这种文章,一个中学生都可以写得比他好!呵呵! 2019-05-24
  • 习近平致信祝贺人民日报创刊70周年 2019-05-23
  • 西北政法大学英语六级考试听力异常 回应:正调查 2019-05-23
  • 【高清组图】新疆巴里坤草原千亩油菜花竞相绽放美不胜收 2019-05-23
  • 【十九大·理论新视野】动漫:“美丽中国”如何绘就 2019-05-22
  • 454| 700| 438| 39| 47| 973| 479| 562| 971| 74|