通常來說，計算機對于網(wǎng)絡(luò)上存在的大量半結(jié)構(gòu)化或結(jié)構(gòu)化的文本數(shù)據(jù)，計算機很難直接進行處理，因此我們需要在文本分類之前對這些數(shù)據(jù)作相應(yīng)的預(yù)處理。 文本的預(yù)處理分為：文本分詞、去除停用詞、詞義消歧、統(tǒng)計等處理。英文文本各單詞之間則有代表分割的空格，而中文文本則不相同，沒有詞的界限，因此我們對中文文本進行分類之前，首先要進行分詞處理，這也就是我今天要分享給大家的中文文本分類的關(guān)鍵技術(shù)--中文分詞。

一、中文分詞概念

中文分詞，Chinese Word Segmentation)，指的是將一個漢字序列切分成一個一個單獨的詞。再具體解釋一下：分詞指的是：將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過程，分詞效果會直接對影響詞性、句法樹等模塊的效果產(chǎn)生影響。當然，分詞只是一個工具，隨著場景的不同，要求也會隨之變化。

在人機自然語言交互中，成熟的中文分詞算法可以達到更好的自然語言處理效果，幫助計算機對復(fù)雜的中文語言的理解·。

目前中文分詞算法有主要分為四大類：基于詞典的方法，基于統(tǒng)計的方法，基于規(guī)則的方法，基于理解的方法。下面具體介紹一下這四種方法。

二、基于詞典的方法

1.基于詞典的方法，或者說是字符串匹配，機械分詞方法。

定義：按照一定策略將待分析的字符串與一個“大機器詞典”中的詞條進行匹配，如果能在詞典中找到某個字符串，那么就表示匹配成功，識別該詞。

2.優(yōu)缺點分析

優(yōu)點：簡單，很容易實現(xiàn)

缺點：

匹配速度較慢

存在交集型和組合型歧義切分問題

詞本身并沒有一個標準的定義，沒有統(tǒng)一標準的詞集

不同詞典所產(chǎn)生的歧義不同

對于自學(xué)習的智能性比較缺乏

3.常見的基于詞典的方法有：

按照掃描方向的不同：正向匹配 & 逆向匹配

按照長度的不同：最大匹配 & 最小匹配

按照是否與詞性標注過程相結(jié)合：單純分詞方法 & 分詞與標注相結(jié)合

(1)正向最大匹配算法(MM)

從左向右取待切分漢語句的m個字符作為匹配字段，m為大機器詞典中最長詞條個數(shù)

(2)逆向最大匹配算法(RMM)

該算法是正向最大匹配的逆向思維，匹配不成功，將匹配字段的最前一個字去掉，實驗表明，逆向最大匹配算法要優(yōu)于正向最大匹配算法。

(3)雙向最大匹配法(Bi-directction Matching method,BM)

雙向最大匹配法是將正向最大匹配法得到的分詞結(jié)果和逆向最大匹配法的到的結(jié)果進行比較，從而決定正確的分詞方法。

三、基于規(guī)則(基于語義)的分詞方法

這一方法的原理為：模擬人對句子的理解，以此來達到識別詞的效果?；舅枷霝椋赫Z義分析，句法分析，也就是通過對句法信息和語義信息來進行文本分詞。

基于規(guī)則(基于語義)的分詞方法能夠自動推理，并完成對未登錄詞的補充。

語義分詞法引入了語義分析，能夠?qū)ψ匀徽Z言本身的語言信息作更多的處理，例如擴充轉(zhuǎn)移網(wǎng)絡(luò)法、知識分詞語義分析法、鄰接約束法、綜合匹配法、后綴分詞法、特征詞庫法、矩陣約束法、語法分析法等。

四、基于統(tǒng)計的分詞方法

基于統(tǒng)計的分詞方法指的是：在給定大量已定分詞的文本的前提下，通過利用統(tǒng)計機器學(xué)習模型學(xué)習詞語切分的規(guī)律(稱為訓(xùn)練)，從而實現(xiàn)對未知文本的切分。其基本思想為：上下文當中，相鄰的字同時出現(xiàn)的次數(shù)越多，那么就越可能構(gòu)成一個詞。所以字與字相鄰出現(xiàn)的概率或頻率，可以比較好的反映詞的可信度。

主要的統(tǒng)計模型有：N元文法模型(N-gram)，HMM模型(隱馬爾可夫模型Hidden Markov Model ，)，最大熵模型(ME)，條件隨機場模型(Conditional Random Fields，CRF)等。

1.N-gram模型思想

模型基于這樣一種假設(shè)，第n個詞的出現(xiàn)只與前面N-1個詞相關(guān)，而與其它任何詞都不相關(guān)，整句的概率就是各個詞出現(xiàn)概率的乘積。

2.HMM模型(隱馬爾可夫模型Hidden Markov Model )

根據(jù)觀測值序列找到真正的隱藏狀態(tài)值序列。

五、基于人工智能技術(shù)的中文分詞方法(基于理解)

基于人工智能技術(shù)的中文分詞方法原理為：在進行分詞的同時，對句法、語義也進行分析，也就是利用句法信息和語義信息對歧義現(xiàn)象進行處理

一般分為三個部分： 分詞子系統(tǒng)、句法語義子系統(tǒng)和總控部分。

在總控部分的協(xié)調(diào)下，分詞子系統(tǒng)能夠獲得有關(guān)詞、句子等的句法和語義信息，并以此來對分詞歧義進行判斷，也就是說，它是對人理解句子過程的模擬

基于人工智能技術(shù)的中文分詞需要使用大量的語言知識和信息。