SEO中文分词技术解读

 xiaoyuncsseo   2017-08-30 23:28   862 人阅读  0 条评论

  什么是中文分词?

SEO中文分词技术


英文是以词为单位的,词和词之间是靠空格隔开,而中文是以字为单位,句子中所有的 字连起来才能描述一个意思。例如,英文句子“I am a student.”,用中文则为:“我是一个 学生”。计算机可以很简单通过空格知道 student 是一个单词,但是不能很容易明白“学”、 “生”两个字合起来才表示一个词。把中文的汉字序列切分成有意义的词,就是中文分词, 有些人也称为切词。我是一个学生,分词的结果是:“我”“是”“一个”“学生”。


中文分词的意义和作用


要想说清楚中文分词的意义和作用,就要提到智能计算技术。智能计算技术涉及的学科 包括物理学、数学、计算机科学、电子机械、通讯、生理学、进化理论和心理学等等。简单 的说,智能计算就是让机器“能看会想,能听会讲”。要想实现这样的一个目标,首先就要 让机器理解人类的语言,只有机器理解了人类的语言文字,才使得人与机器的交流成为可能。 再反观我们人类的语言中,“词是最小的能够独立活动的有意义的语言成分”,所以对于中文 来讲,将词确定下来是理解自然语言的第一步,只有跨越了这一步,中文才能像英文那样过 渡到短语划分、概念抽取以及主题分析,以至自然语言理解,最终达到智能计算的最高境界, 实现人类的梦想。

从现阶段的实际情况来看,英文已经跨越了分词这一步,也就是说在词的利用上已经先 一步,并且已经展现了良好的应用前景,无论是信息检索还是主题分析的研究都要强于中文, 究其根本原因就是中文要通过分词这道难关,只有攻破了这道难关,我们才有希望赶上并超 过英文在信息领域的发展,所以中文分词对我们来说意义重大,可以说直接影响到使用中文 的每一个人的方方面面。


中文分词技术


中文分词技术属于自然语言处理技术范畴,对于一句话,人可以通过自己的知识来明白 哪些是词,哪些不是词,但如何让计算机也能理解?其处理过程就是分词算法。

现有的分词算法可分为三大类:基于字符串匹配的分词方法、基于理解的分词方法和基 于统计的分词方法。


1、基于字符串匹配的分词方法


这种方法又叫做机械分词方法,它是按照一定的策略将待分析的汉字串与一个“充分大 的”机器词典中的词条进行匹配,若在词典中找到某个字符串,则匹配成功(识别出一个词)。 按照扫描方向的不同,字符串匹配分词方法可以分为正向匹配和逆向匹配;按照不同长度优

先匹配的情况,可以分为最大(最长)匹配和最小(最短)匹配;按照是否与词性标注过程 相结合,又可以分为单纯分词方法和分词与标注相结合的一体化方法。常用的几种机械分词 方法如下:


z正向最大匹配法(由左到右的方向);

z逆向最大匹配法(由右到左的方向);

z最少切分(使每一句中切出的词数最小)。


还可以将上述各种方法相互组合,例如,可以将正向最大匹配方法和逆向最大匹配方法 结合起来构成双向匹配法。由于汉语单字成词的特点,正向最小匹配和逆向最小匹配一般很 少使用。一般说来,逆向匹配的切分精度略高于正向匹配,遇到的歧义现象也较少。统计结 果表明,单纯使用正向最大匹配的错误率为 1/169,单纯使用逆向最大匹配的错误率为

1/245。但这种精度还远远不能满足实际的需要。实际使用的分词系统,都是把机械分词作 为一种初分手段,还需通过利用各种其它的语言信息来进一步提高切分的准确率。

一种方法是改进扫描方式,称为特征扫描或标志切分,优先在待分析字符串中识别和切

分出一些带有明显特征的词,以这些词作为断点,可将原字符串分为较小的串再来进行机械 分词,从而减少匹配的错误率。另一种方法是将分词和词类标注结合起来,利用丰富的词类 信息对分词决策提供帮助,并且在标注过程中又反过来对分词结果进行检验、调整,从而极 大地提高切分的准确率。

对于机械分词方法,可以建立一个一般的模型,在这方面有专业的学术论文,这里不做 详细论述。


2、基于理解的分词方法


这种分词方法是通过让计算机模拟人对句子的理解,达到识别词的效果。其基本思想就 是在分词的同时进行句法、语义分析,利用句法信息和语义信息来处理歧义现象。它通常包 括三个部分:分词子系统、句法语义子系统、总控部分。在总控部分的协调下,分词子系统 可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断,即它模拟了人对句子的 理解过程。这种分词方法需要使用大量的语言知识和信息。由于汉语语言知识的笼统、复杂 性,难以将各种语言信息组织成机器可直接读取的形式,因此目前基于理解的分词系统还处 在试验阶段。


3、基于统计的分词方法


从形式上看,词是稳定的字的组合,因此在上下文中,相邻的字同时出现的次数越多, 就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。 可以对语料中相邻共现的各个字的组合的频度进行统计,计算它们的互现信息。定义两个字 的互现信息,计算两个汉字 X、Y 的相邻共现概率。互现信息体现了汉字之间结合关系的紧 密程度。当紧密程度高于某一个阈值时,便可认为此字组可能构成了一个词。这种方法只需 对语料中的字组频度进行统计,不需要切分词典,因而又叫做无词典分词法或统计取词方法。 但这种方法也有一定的局限性,会经常抽出一些共现频度高、但并不是词的常用字组,例如 “这一”、“之一”、“有的”、“我的”、“许多的”等,并且对常用词的识别精度差,时空开销 大。实际应用的统计分词系统都要使用一部基本的分词词典(常用词词典)进行串匹配分词, 同时使用统计方法识别一些新的词,即将串频统计和串匹配结合起来,既发挥匹配分词切分 速度快、效率高的特点,又利用了无词典分词结合上下文识别生词、自动消除歧义的优点。


到底哪种分词算法的准确度更高,目前并无定论。对于任何一个成熟的分词系统来说, 不可能单独依靠某一种算法来实现,都需要综合不同的算法。比如,海量科技的分词算法就 采用“复方分词法”。所谓复方,相当于用中药中的复方概念,即用不同的药才综合起来去 医治疾病,同样,对于中文词的识别,需要多种算法来处理不同的问题。

本文地址:http://www.xiaoyuncsseo.com/post/33.html
版权声明:本文为原创文章,版权归 xiaoyuncsseo 所有,欢迎分享本文,转载请保留出处!

发表评论


表情

还没有留言,还不快点抢沙发?