中文分詞方法(搜索引擎常用的中文分詞的方法)
1.搜索引擎常用的中文分詞的方法有哪些
1. 分詞是指將一段句子切分成一個個單獨的詞項，對于英文來講，單詞作為詞項，由于英文的書寫格式，詞與詞之間必須有空格，這樣搜索引擎很容易將一段句子處理成詞項的集合；但是中文來講，詞之間沒有空格，搜索引擎不能夠直接將句子處理成詞項的集合，需要一個分詞過程，這里簡單介紹搜索引擎中文分詞的方法。
一、基于詞典的分詞方法
也叫“機械分詞法”，將分詞的句子與詞典中的詞語進行匹配，如果匹配成功，則將匹配的部分作為一個詞，最后生成一個詞語序列，根據(jù)分詞的方向與優(yōu)先長度不同可分為一下四種方法：
1、正向匹配法
根絕句子的正序（由左至右）進行匹配，例如：發(fā)展中國家，切分為：發(fā)展/中國/家。
2、逆向匹配法
根據(jù)句子的逆序（由右至左）進行匹配，例如：發(fā)展中國家，切分為：發(fā)展/中/國家。
3、最大匹配法
根據(jù)詞典中最長的詞語的長度確切分，如果不是，則在使用次一級長度去切分，假設(shè)字典中最長的詞語是4個，以“發(fā)展中國家”為例，首先截取前四個“發(fā)展中國”判斷，如果與字典中的詞匹配，那么就是詞項，如果不匹配，那就截取前三個詞“發(fā)展中”來判斷，以此類推直至切分出詞項。
4、最小匹配法
同最大匹配法剛好相反。
二、基于理解分詞的方法
為了解決分詞中的歧義問題，搜索引擎完全模擬人理解句子的過程，對句子進行句法分析與語義分析，這個方法需要大量的語言知識和信息，計算過程比較復(fù)雜，對搜索引擎的基礎(chǔ)硬件要求比較高。
三、基于統(tǒng)計分詞的方法
隨著時代與互聯(lián)網(wǎng)的發(fā)展，會產(chǎn)生很多新的詞匯，例如一些人名、新科技名詞、新事件名（比如XX門、XX帝等），這些詞匯未被詞典收錄，這些詞成為“未登錄詞”，這些詞匯的切分就要依靠統(tǒng)計分詞的方法，搜索引擎通過統(tǒng)計這些字在整個語料庫中出現(xiàn)的頻率，例如在語料庫中發(fā)現(xiàn)“S”、“E”、“O”同時出現(xiàn)的次數(shù)非常高，那么搜索引擎就判定”SEO”是一個詞匯。
2.中文分詞的常見項目
功能性能 功能描述：1.新詞自動識別 對詞典中不存在的詞，可以自動識別，對詞典的依賴較??；2.詞性輸出 分詞結(jié)果中帶有豐富的詞性；3.動態(tài)詞性輸出 分詞結(jié)果中的詞性并非固定，會根據(jù)不同的語境，賦予不同的詞性；4.特殊詞識別 比如化學(xué)、藥品等行業(yè)詞匯，地名、品牌、媒體名等；5.智能歧義解決 根據(jù)內(nèi)部規(guī)則，智能解決常見分詞歧義問題；6.多種編碼識別 自動識別各種單一編碼，并支持混合編碼；7.數(shù)詞量詞優(yōu)化 自動識別數(shù)量詞； 性能介紹：處理器：AMD Athlon II x2 250 3GHZ 單線程大于833KB/s，多線程安全。
一個PHP函數(shù)實現(xiàn)中文分詞。使分詞更容易，使用如下圖： Paoding（庖丁解牛分詞）基于Java的開源中文分詞組件，提供lucene和solr 接口，具有極 高效率和 高擴展性。
引入隱喻，采用完全的面向?qū)ο笤O(shè)計，構(gòu)思先進。高效率：在PIII 1G內(nèi)存?zhèn)€人機器上，1秒可準(zhǔn)確分詞 100萬漢字。
采用基于 不限制個數(shù)的詞典文件對文章進行有效切分，使能夠?qū)υ~匯分類定義。能夠?qū)ξ粗脑~匯進行合理解析。
僅支持Java語言。 MMSEG4J基于Java的開源中文分詞組件，提供lucene和solr 接口：1.mmseg4j 用 Chih-Hao Tsai 的 MMSeg 算法實現(xiàn)的中文分詞器，并實現(xiàn) lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。
2.MMSeg 算法有兩種分詞方法：Simple和Complex，都是基于正向最大匹配。Complex 加了四個規(guī)則過慮。
官方說：詞語的正確識別率達到了 98.41%。mmseg4j 已經(jīng)實現(xiàn)了這兩種分詞算法。
盤古分詞是一個基于.net 平臺的開源中文分詞組件，提供lucene(.net 版本) 和HubbleDotNet的接口 高效：Core Duo 1.8 GHz 下單線程 分詞速度為 390K 字符每秒 準(zhǔn)確：盤古分詞采用字典和統(tǒng)計結(jié)合的分詞算法，分詞準(zhǔn)確率較高。功能：盤古分詞提供中文人名識別，簡繁混合分詞，多元分詞，英文詞根化，強制一元分詞，詞頻優(yōu)先分詞，停用詞過濾，英文專名提取等一系列功能。
jcseg是使用Java開發(fā)的一個中文分詞器，使用流行的mmseg算法實現(xiàn)。 1。
mmseg四種過濾算法，分詞準(zhǔn)確率達到了98.4%以上。2。
支持自定義詞庫。在lexicon文件夾下，可以隨便添加/刪除/更改詞庫和詞庫內(nèi)容，并且對詞庫進行了分類，詞庫整合了《現(xiàn)代漢語詞典》和cc-cedict辭典。
3。詞條拼音和同義詞支持，jcseg為所有詞條標(biāo)注了拼音，并且詞條可以添加同義詞集合，jcseg會自動將拼音和同義詞加入到分詞結(jié)果中。
4。中文數(shù)字和分數(shù)識別，例如："四五十個人都來了，三十分之一。
"中的"四五十"和"三十分之一"，并且jcseg會自動將其轉(zhuǎn)換為對應(yīng)的阿拉伯?dāng)?shù)字。5。
支持中英混合詞的識別。例如：B超，x射線。
6。支持基本單字單位的識別，例如2012年。
7。良好的英文支持，自動識別電子郵件，網(wǎng)址，分數(shù)，小數(shù)，百分數(shù)……。
8。智能圓角半角轉(zhuǎn)換處理。
9。特殊字母識別：例如：Ⅰ，Ⅱ10。
特殊數(shù)字識別：例如：①，⑩11。配對標(biāo)點內(nèi)容提?。豪纾鹤詈玫腏ava書《java編程思想》，‘暢想杯黑客技術(shù)大賽’，被《，‘，“，『標(biāo)點標(biāo)記的內(nèi)容。
12。智能中文人名識別。
中文人名識別正確率達94%以上。jcseg佩帶了jcseg.properties配置文檔，使用文本編輯器就可以自主的編輯其選項，配置適合不同應(yīng)用場合的分詞應(yīng)用。
例如：最大匹配分詞數(shù)，是否開啟中文人名識別，是否載入詞條拼音，是否載入詞條同義詞……。 friso是使用c語言開發(fā)的一個中文分詞器，使用流行的mmseg算法實現(xiàn)。
完全基于模塊化設(shè)計和實現(xiàn)，可以很方便的植入到其他程序中，例如：MySQL,PHP等。并且提供了一個php中文分詞擴展robbe。
1。只支持UTF-8編碼。
【源碼無需修改就能在各種平臺下編譯使用，加載完20萬的詞條，內(nèi)存占用穩(wěn)定為14M?！?。
2。mmseg四種過濾算法，分詞準(zhǔn)確率達到了98.41%。
3。支持自定義詞庫。
在dict文件夾下，可以隨便添加/刪除/更改詞庫和詞庫詞條，并且對詞庫進行了分類。4。
詞庫使用了friso的Java版本jcseg的簡化詞庫。5。
支持中英混合詞的識別。例如：c語言，IC卡。
7。很好的英文支持，電子郵件，網(wǎng)址，小數(shù)，分數(shù)，百分數(shù)。
8。支持阿拉伯?dāng)?shù)字基本單字單位的識別，例如2012年，5噸，120斤。
9。自動英文圓角/半角，大寫/小寫轉(zhuǎn)換。
并且具有很高的分詞速度：簡單模式：3.7M/秒，復(fù)雜模式：1.8M/秒。
3.有哪些比較好的中文分詞方案
1.每次從一個完整的句子里，按照從左向右的順序，識別出多種不同的3個詞的組合；然后根據(jù)下面的4條消歧規(guī)則，確定最佳的備選詞組合；選擇備選詞組合中的第1個詞，作為1次迭代的分詞結(jié)果；剩余的2個詞繼續(xù)進行下一輪的分詞運算。采用這種辦法的好處是，為傳統(tǒng)的前向最大匹配算法加入了上下文信息，解決了其每次選詞只考慮詞本身，而忽視上下文相關(guān)詞的問題。4條消歧規(guī)則包括，
1）備選詞組合的長度之和最大。
2）備選詞組合的平均詞長最大；
3）備選詞組合的詞長變化最??；
4）備選詞組合中，單字詞的出現(xiàn)頻率統(tǒng)計值最高。
CRF方法是目前公認的效果最好的分詞算法。但，具體效果是否好，也依賴于你使用的訓(xùn)練模型。
4.百度中文分詞如何分詞
而百度中文分詞就是把詞按照一定的規(guī)格，將一個長尾詞分割成幾個部分，從而概括一段話的主要內(nèi)容。
在百度中文分詞中，百度強調(diào)的是：一、字符串匹配的分詞方法。我們需要有一定的字符串做基礎(chǔ)，就是一段詞用字符分開，比如標(biāo)點符號，空格等。
才能夠進行分詞匹配，我們把這些字符串叫做機械詞典。機械詞典的個數(shù)不定。
由每個搜索引擎自己確定。每個機械詞典之間還會有優(yōu)先級。
字符串匹配的分詞方法最常用的有幾種：1、正向最大匹配法（由左到右的方向）2、逆向最大匹配法（由右到左的方向）3、最少切分（使每一句中切出的詞數(shù)最小）百度中文分詞基于字符串匹配舉例給大家說明一下：“我想去澳大利亞旅游”正向最大匹配：我想去，澳大利亞旅游逆向最大匹配：我想，想去，澳大利亞，旅游。最少切分：我把上面哪句話分成的詞要是最少的“我想去，澳大利亞旅游”這就是最短路徑分詞法，分出來就只有2個詞了。
另外，不同的搜索的詞典不同，分出來的詞也不同。二、理解的分詞方法。
這種分詞方法不需要機械詞典。這種其實就是一種機器語音判斷的分詞方法。
很簡單，進行句法、語義分析，利用句法信息和語義信息來處理歧義現(xiàn)象來分詞，這種分詞方法，現(xiàn)在還不成熟。處在測試階段。
三、統(tǒng)計的分詞方法。這個顧名思義，就是根據(jù)詞組的統(tǒng)計，發(fā)現(xiàn)那些相鄰的字出現(xiàn)的頻率高，那么這個詞就很重要。
可以作為用戶提供字符串中的分隔符。比如，“我的，你的，許多的，這里，這一，那里”。
等等，這些詞出現(xiàn)的比較多，就從這些詞里面分開來。四、對于百度中文分詞的理解：基于統(tǒng)計的分詞方法得到的詞或者句子的權(quán)重要高于基于字符串匹配得到的。
就是全字匹配得到的詞的權(quán)重會高于分開的詞的權(quán)重。根據(jù)自己的觀察現(xiàn)在百度大部分都是使用的是正向匹配。
百度分詞對于一句話分詞之后，還會去掉句子中的沒有意義的詞語。
5.什么是中文分詞
中文分詞技術(shù)屬于自然語言處理技術(shù)范疇，對于一句話，人可以通過自己的知識來明白哪些是詞，哪些不是詞，但如何讓計算機也能理解？其處理過程就是分詞算法。
現(xiàn)有的分詞算法可分為三大類：基于字符串匹配的分詞方法、基于理解的分詞方法和基于統(tǒng)計的分詞方法。 1、基于字符串匹配的分詞方法 這種方法又叫做機械分詞方法，它是按照一定的策略將待分析的漢字串與一個“充分大的”機器詞典中的詞條進行配，若在詞典中找到某個字符串，則匹配成功（識別出一個詞）。
按照掃描方向的不同，串匹配分詞方法可以分為正向匹配和逆向匹配；按照不同長度優(yōu)先匹配的情況，可以分為最大（最長）匹配和最?。ㄗ疃蹋┢ヅ?；按照是否與詞性標(biāo)注過程相結(jié)合，又可以分為單純分詞方法和分詞與標(biāo)注相結(jié)合的一體化方法。常用的幾種機械分詞方法如下： 1）正向最大匹配法（由左到右的方向）； 2）逆向最大匹配法（由右到左的方向）； 3）最少切分（使每一句中切出的詞數(shù)最?。?。
還可以將上述各種方法相互組合，例如，可以將正向最大匹配方法和逆向最大匹配方法結(jié)合起來構(gòu)成雙向匹配法。由于漢語單字成詞的特點，正向最小匹配和逆向最小匹配一般很少使用。
一般說來，逆向匹配的切分精度略高于正向匹配，遇到的歧義現(xiàn)象也較少。統(tǒng)計結(jié)果表明，單純使用正向最大匹配的錯誤率為1/169，單純使用逆向最大匹配的錯誤率為1/245。
但這種精度還遠遠不能滿足實際的需要。實際使用的分詞系統(tǒng)，都是把機械分詞作為一種初分手段，還需通過利用各種其它的語言信息來進一步提高切分的準(zhǔn)確率。
一種方法是改進掃描方式，稱為特征掃描或標(biāo)志切分，優(yōu)先在待分析字符串中識別和切分出一些帶有明顯特征的詞，以這些詞作為斷點，可將原字符串分為較小的串再來進機械分詞，從而減少匹配的錯誤率。另一種方法是將分詞和詞類標(biāo)注結(jié)合起來，利用豐富的詞類信息對分詞決策提供幫助，并且在標(biāo)注過程中又反過來對分詞結(jié)果進行檢驗、調(diào)整，從而極大地提高切分的準(zhǔn)確率。
對于機械分詞方法，可以建立一個一般的模型，在這方面有專業(yè)的學(xué)術(shù)論文，這里不做詳細論述。 2、基于理解的分詞方法 這種分詞方法是通過讓計算機模擬人對句子的理解，達到識別詞的效果。
其基本思想就是在分詞的同時進行句法、語義分析，利用句法信息和語義信息來處理歧義現(xiàn)象。它通常包括三個部分：分詞子系統(tǒng)、句法語義子系統(tǒng)、總控部分。
在總控部分的協(xié)調(diào)下，分詞子系統(tǒng)可以獲得有關(guān)詞、句子等的句法和語義信息來對分詞歧義進行判斷，即它模擬了人對句子的理解過程。這種分詞方法需要使用大量的語言知識和信息。
由于漢語語言知識的籠統(tǒng)、復(fù)雜性，難以將各種語言信息組織成機器可直接讀取的形式，因此目前基于理解的分詞系統(tǒng)還處在試驗階段。 3、基于統(tǒng)計的分詞方法 從形式上看，詞是穩(wěn)定的字的組合，因此在上下文中，相鄰的字同時出現(xiàn)的次數(shù)越多，就越有可能構(gòu)成一個詞。
因此字與字相鄰共現(xiàn)的頻率或概率能夠較好的反映成詞的可信度?？梢詫φZ料中相鄰共現(xiàn)的各個字的組合的頻度進行統(tǒng)計，計算它們的互現(xiàn)信息。
定義兩個字的互現(xiàn)信息，計算兩個漢字X、Y的相鄰共現(xiàn)概率?；ガF(xiàn)信息體現(xiàn)了漢字之間結(jié)合關(guān)系的緊密程度。
當(dāng)緊密程度高于某一個閾值時，便可認為此字組可能構(gòu)成了一個詞。這種方法只需對語料中的字組頻度進行統(tǒng)計，不需要切分詞典，因而又叫做無詞典分詞法或統(tǒng)計取詞方法。
但這種方法也有一定的局限性，會經(jīng)常抽出一些共現(xiàn)頻度高、但并不是詞的常用字組，例如“這一”、“之一”、“有的”、“我的”、“許多的”等，并且對常用詞的識別精度差，時空開銷大。實際應(yīng)用的統(tǒng)計分詞系統(tǒng)都要使用一部基本的分詞詞典（常用詞詞典）進行串匹配分詞，同時使用統(tǒng)計方法識別一些新的詞，即將串頻統(tǒng)計和串匹配結(jié)合起來，既發(fā)揮匹配分詞切分速度快、效率高的特點，又利用了無詞典分詞結(jié)合上下文識別生詞、自動消除歧義的優(yōu)點。
到底哪種分詞算法的準(zhǔn)確度更高，目前并無定論。對于任何一個成熟的分詞系統(tǒng)來說，不可能單獨依靠某一種算法來實現(xiàn)，都需要綜合不同的算法。
筆者了解，海量科技的分詞算法就采用“復(fù)方分詞法”，所謂復(fù)方，相當(dāng)于用中藥中的復(fù)方概念，即用不同的藥材綜合起來去醫(yī)治疾病，同樣，對于中文詞的識別，需要多種算法來處理不同的問題。 分詞中的難題 有了成熟的分詞算法，是否就能容易的解決中文分詞的問題呢？事實遠非如此。
中文是一種十分復(fù)雜的語言，讓計算機理解中文語言更是困難。在中文分詞過程中，有兩大難題一直沒有完全突破。
1、歧義識別 歧義是指同樣的一句話，可能有兩種或者更多的切分方法。例如：表面的，因為“表面”和“面的”都是詞，那么這個短語就可以分成“表面 的”和“表 面的”。
這種稱為交叉歧義。像這種交叉歧義十分常見，前面舉的“和服”的例子，其實就是因為交叉歧義引起的錯誤。
“化妝和服裝”可以分成“化妝 和 服裝”或者“化妝 和服 裝”。由于沒有人的知識去理解，計算機很難知道到底哪個方案正確。
交叉歧義相對組合歧義來說是還算比較容易處理，組。
6.中文分詞的應(yīng)用
在自然語言處理技術(shù)中，中文處理技術(shù)比西文處理技術(shù)要落后很大一段距離，許多西文的處理方法中文不能直接采用，就是因為中文必需有分詞這道工序。中文分詞是其他中文信息處理的基礎(chǔ)，搜索引擎只是中文分詞的一個應(yīng)用。其他的比如機器翻譯（MT）、語音合成、自動分類、自動摘要、自動校對等等，都需要用到分詞。因為中文需要分詞，可能會影響一些研究，但同時也為一些企業(yè)帶來機會，因為國外的計算機處理技術(shù)要想進入中國市場，首先也是要解決中文分詞問題。
分詞準(zhǔn)確性對搜索引擎來說十分重要，但如果分詞速度太慢，即使準(zhǔn)確性再高，對于搜索引擎來說也是不可用的，因為搜索引擎需要處理數(shù)以億計的網(wǎng)頁，如果分詞耗用的時間過長，會嚴重影響搜索引擎內(nèi)容更新的速度。因此對于搜索引擎來說，分詞的準(zhǔn)確性和速度，二者都需要達到很高的要求。研究中文分詞的大多是科研院校，清華、北大、哈工大、中科院、北京語言學(xué)院、山西大學(xué)、東北大學(xué)、IBM研究院、微軟中國研究院等都有自己的研究隊伍，而真正專業(yè)研究中文分詞的商業(yè)公司除了海量科技以外，幾乎沒有了?？蒲性盒Ｑ芯康募夹g(shù)，大部分不能很快產(chǎn)品化，而一個專業(yè)公司的力量畢竟有限，看來中文分詞技術(shù)要想更好的服務(wù)于更多的產(chǎn)品，還有很長一段路。
7.中文分詞的常見項目
功能性能 功能描述：1.新詞自動識別對詞典中不存在的詞，可以自動識別，對詞典的依賴較小；2.詞性輸出分詞結(jié)果中帶有豐富的詞性；3.動態(tài)詞性輸出分詞結(jié)果中的詞性并非固定，會根據(jù)不同的語境，賦予不同的詞性；4.特殊詞識別比如化學(xué)、藥品等行業(yè)詞匯，地名、品牌、媒體名等；5.智能歧義解決根據(jù)內(nèi)部規(guī)則，智能解決常見分詞歧義問題；6.多種編碼識別自動識別各種單一編碼，并支持混合編碼；7.數(shù)詞量詞優(yōu)化自動識別數(shù)量詞； 性能介紹：處理器：AMD Athlon II x2 250 3GHZ單線程大于833KB/s，多線程安全。
一個PHP函數(shù)實現(xiàn)中文分詞。使分詞更容易，使用如下圖： Paoding（庖丁解牛分詞）基于Java的開源中文分詞組件，提供lucene和solr 接口，具有極 高效率和 高擴展性。
引入隱喻，采用完全的面向?qū)ο笤O(shè)計，構(gòu)思先進。高效率：在PIII 1G內(nèi)存?zhèn)€人機器上，1秒可準(zhǔn)確分詞 100萬漢字。
采用基于 不限制個數(shù)的詞典文件對文章進行有效切分，使能夠?qū)υ~匯分類定義。能夠?qū)ξ粗脑~匯進行合理解析。
僅支持Java語言。 MMSEG4J基于Java的開源中文分詞組件，提供lucene和solr 接口：1.mmseg4j 用 Chih-Hao Tsai 的 MMSeg 算法實現(xiàn)的中文分詞器，并實現(xiàn) lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。
2.MMSeg 算法有兩種分詞方法：Simple和Complex，都是基于正向最大匹配。Complex 加了四個規(guī)則過慮。
官方說：詞語的正確識別率達到了 98.41%。mmseg4j 已經(jīng)實現(xiàn)了這兩種分詞算法。
盤古分詞是一個基于.net 平臺的開源中文分詞組件，提供lucene(.net 版本) 和HubbleDotNet的接口高效：Core Duo 1.8 GHz 下單線程 分詞速度為 390K 字符每秒準(zhǔn)確：盤古分詞采用字典和統(tǒng)計結(jié)合的分詞算法，分詞準(zhǔn)確率較高。功能：盤古分詞提供中文人名識別，簡繁混合分詞，多元分詞，英文詞根化，強制一元分詞，詞頻優(yōu)先分詞，停用詞過濾，英文專名提取等一系列功能。
jcseg是使用Java開發(fā)的一個中文分詞器，使用流行的mmseg算法實現(xiàn)。 1。
mmseg四種過濾算法，分詞準(zhǔn)確率達到了98.4%以上。2。
支持自定義詞庫。在lexicon文件夾下，可以隨便添加/刪除/更改詞庫和詞庫內(nèi)容，并且對詞庫進行了分類，詞庫整合了《現(xiàn)代漢語詞典》和cc-cedict辭典。
3。詞條拼音和同義詞支持，jcseg為所有詞條標(biāo)注了拼音，并且詞條可以添加同義詞集合，jcseg會自動將拼音和同義詞加入到分詞結(jié)果中。
4。中文數(shù)字和分數(shù)識別，例如："四五十個人都來了，三十分之一。
"中的"四五十"和"三十分之一"，并且jcseg會自動將其轉(zhuǎn)換為對應(yīng)的阿拉伯?dāng)?shù)字。5。
支持中英混合詞的識別。例如：B超，x射線。
6。支持基本單字單位的識別，例如2012年。
7。良好的英文支持，自動識別電子郵件，網(wǎng)址，分數(shù)，小數(shù)，百分數(shù)……。
8。智能圓角半角轉(zhuǎn)換處理。
9。特殊字母識別：例如：Ⅰ，Ⅱ10。
特殊數(shù)字識別：例如：①，⑩11。配對標(biāo)點內(nèi)容提?。豪纾鹤詈玫腏ava書《java編程思想》，‘暢想杯黑客技術(shù)大賽’，被《，‘，“，『標(biāo)點標(biāo)記的內(nèi)容。
12。智能中文人名識別。
中文人名識別正確率達94%以上。jcseg佩帶了jcseg.properties配置文檔，使用文本編輯器就可以自主的編輯其選項，配置適合不同應(yīng)用場合的分詞應(yīng)用。
例如：最大匹配分詞數(shù)，是否開啟中文人名識別，是否載入詞條拼音，是否載入詞條同義詞……。 friso是使用c語言開發(fā)的一個中文分詞器，使用流行的mmseg算法實現(xiàn)。
完全基于模塊化設(shè)計和實現(xiàn)，可以很方便的植入到其他程序中，例如：MySQL,PHP等。并且提供了一個php中文分詞擴展robbe。
1。只支持UTF-8編碼。
【源碼無需修改就能在各種平臺下編譯使用，加載完20萬的詞條，內(nèi)存占用穩(wěn)定為14M。】。
2。mmseg四種過濾算法，分詞準(zhǔn)確率達到了98.41%。
3。支持自定義詞庫。
在dict文件夾下，可以隨便添加/刪除/更改詞庫和詞庫詞條，并且對詞庫進行了分類。4。
詞庫使用了friso的Java版本jcseg的簡化詞庫。5。
支持中英混合詞的識別。例如：c語言，IC卡。
7。很好的英文支持，電子郵件，網(wǎng)址，小數(shù)，分數(shù)，百分數(shù)。
8。支持阿拉伯?dāng)?shù)字基本單字單位的識別，例如2012年，5噸，120斤。
9。自動英文圓角/半角，大寫/小寫轉(zhuǎn)換。
并且具有很高的分詞速度：簡單模式：3.7M/秒，復(fù)雜模式：1.8M/秒。
8.什么是漢語分詞
分詞的提出和定義
漢語文本是基于單字的，漢語的書面表達方式也是以漢字作為最小單位的，詞與詞之間沒有顯性的界限標(biāo)志，因此分詞是漢語文本分析處理中首先要解決的問題
添加合適的顯性的詞語邊界標(biāo)志使得所形成的詞串反映句子的本意，這個過程就是通常所說的分詞
~~~~~~~~~~~~~~~~~~~~~~~
分詞的意義
正確的機器自動分詞是正確的中文信息處理的基礎(chǔ)
~~~~~~~~~~~~~~~~~~~~~~~
文本檢索
和服 | 務(wù) | 于三日后裁制完畢，并呈送將軍府中。
王府飯店的設(shè)施 | 和 | 服務(wù) | 是一流的。如果不分詞或者“和服務(wù)”分詞有誤，都會導(dǎo)致荒謬的檢索結(jié)果。
文語轉(zhuǎn)換
他們是來 | 查 | 金泰 | 撞人那件事的。（“查”讀音為cha）
行俠仗義的 | 查金泰 | 遠近聞名。（“查”讀音為zha）
~~~~~~~~~~~~~~~~~~~~~~~
分詞面臨的主要難題
如何面向大規(guī)模開放應(yīng)用是漢語分詞研究亟待解決的主要問題
如何識別未登錄詞
如何低廉地獲取語言學(xué)知識
詞語邊界歧義處理
實時性應(yīng)用中的效率問題
~~~~~~~~~~~~~~~~~~~~~~~
分詞歧義
交集型切分歧義
組合型切分歧義
~~~~~~~~~~~~~~~~~~~~~~~
分詞規(guī)范
詞是自然語言的一種客觀存在
漢語書寫過程中并不分詞連寫，對詞組和詞、單字語素和單字詞的劃分因人而異，甚至因時而異
漢語信息處理現(xiàn)在需要制訂統(tǒng)一的分詞標(biāo)準(zhǔn)，否則將嚴重影響計算機的處理
《信息處理用現(xiàn)代漢語分詞規(guī)范及自動分詞方法》：結(jié)合緊密、使用頻繁
~~~~~~~~~~~~~~~~~~~~~~~
具體的分詞標(biāo)準(zhǔn)實例
二字或三字詞，以及結(jié)合緊密、使用穩(wěn)定的：發(fā)展 可愛 紅旗 對不起 自行車 青霉素
四字成語一律為分詞單位：胸有成竹 欣欣向榮
四字詞或結(jié)合緊密、使用穩(wěn)定的四字詞組：社會主義 春夏秋冬 由此可見
五字和五字以上的諺語、格言等，分開后如不違背原有組合的意義，應(yīng)予切分：
時間/就/是/生命/
失敗/是/成功/之/母
結(jié)合緊密、使用穩(wěn)定的詞組則不予切分：不管三七二十一
慣用語和有轉(zhuǎn)義的詞或詞組，在轉(zhuǎn)義的語言環(huán)境下，一律為分詞單位：
婦女能頂/半邊天/
他真小氣，象個/鐵公雞/
略語一律為分詞單位：科技 奧運會 工農(nóng)業(yè)
分詞單位加形成兒化音的“兒” ：花兒 悄悄兒 玩兒
阿拉伯?dāng)?shù)字等，仍保留原有形式：1234 7890
現(xiàn)代漢語中其它語言的漢字音譯外來詞，不予切分：巧克力 吉普
不同的語言環(huán)境中的同形異構(gòu)現(xiàn)象，按照具體語言環(huán)境的語義進行切分：
把/手/抬起來
這個/把手/是木制的
