概述
正向最大匹配法
分词目标：
在词典中进行扫描，尽可能地选择与词典中最长单词匹配的词作为目标分词，然后进行下一次匹配。
算法流程：
假设词典中最长的单词为 5 个(MAX_LENGTH)，那么最大匹配的起始子串字数也为 5 个
(1)扫描字典，测试读入的子串是否在字典中
(2)如果存在，则从输入中删除掉该子串，重新按照规则取子串，重复(1)
(3)如果不存在于字典中，则从右向左减少子串长度，重复(1)
分词实例：
比如说输入 “北京大学生前来应聘”，
第一轮：取子串 “北京大学生”，正向取词，如果匹配失败，每次去掉匹配字段最后面的一个字
“北京大学生”，扫描 5 字词典，没有匹配，子串长度减 1 变为“北京大学”
“北京大学”，扫描 4 字词典，有匹配，输出“北京大学”，输入变为“生前来应聘”
第二轮：取子串“生前来应聘
“生前来应聘”，扫描 5 字词典，没有匹配，子串长度减 1 变为“生前来应”
“生前来应”，扫描 4 字词典，没有匹配，子串长度减 1 变为“生前来”
“生前来”，扫描 3 字词典，没有匹配，子串长度减 1 变为“生前”
“生前”，扫描 2 字词典，有匹配，输出“生前”，输入变为“来应聘””
第三轮：取子串“来应聘”
“来应聘”，扫描 3 字词典，没有匹配，子串长度减 1 变为“来应”
“来应”，扫描 2 字词典，没有匹配，子串长度减 1 变为“来”
颗粒度最小为 1，直接输出“来”，输入变为“应聘”
第四轮：取子串“应聘
“应聘”，扫描 2 字词典，有匹配，输出“应聘”，输入变为“”
输入长度为0，扫描终止
正向匹配法最终的切分结果为：”北京大学 / 生前 / 来 / 应聘”
逆向最大匹配法
分词目标：
在词典中进行扫描，尽可能地选择与词典中最长单词匹配的词作为目标分词，然后进行下一次匹配。
在实践中，逆向最大匹配算法性能优于正向最大匹配算法。
算法流程
假设词典中最长的单词为 5 个(MAX_LENGTH)，那么最大匹配的起始子串字数也为 5 个
(1)扫描字典，测试读入的子串是否在字典中
(2)如果存在，则从输入中删除掉该子串，重新按照规则取子串，重复(1)
(3)如果不存在于字典中，则从左向右减少子串长度，重复(1)
分词实例
比如说输入 “北京大学生前来应聘”，
第一轮：取子串 “生前来应聘”，逆向取词，如果匹配失败，每次去掉匹配字段最前面的一个字
“生前来应聘”，扫描 5 字词典，没有匹配，字串长度减 1 变为“前来应聘”
“前来应聘”，扫描 4 字词典，没有匹配，字串长度减 1 变为“来应聘”
“来应聘”，扫描 3 字词典，没有匹配，字串长度减 1 变为“应聘”
“应聘”，扫描 2 字词典，有匹配，输出“应聘”，输入变为“大学生前来”
第二轮：取子串“大学生前来”
“大学生前来”，扫描 5 字词典，没有匹配，字串长度减 1 变为“学生前来”
“学生前来”，扫描 4 字词典，没有匹配，字串长度减 1 变为“生前来”
“生前来”，扫描 3 字词典，没有匹配，字串长度减 1 变为“前来”
“前来”，扫描 2 字词典，有匹配，输出“前来”，输入变为“北京大学生”
第三轮：取子串“北京大学生”
“北京大学生”，扫描 5 字词典，没有匹配，字串长度减 1 变为“京大学生”
“京大学生”，扫描 4 字词典，没有匹配，字串长度减 1 变为“大学生”
“大学生”，扫描 3 字词典，有匹配，输出“大学生”，输入变为“北京”
第四轮：取子串“北京”
“北京”，扫描 2 字词典，有匹配，输出“北京”，输入变为“”
输入长度为0，扫描终止
双向最大匹配法
分词目标
将正向最大匹配算法和逆向最大匹配算法进行比较，从而确定正确的分词方法。
算法流程：
比较正向最大匹配和逆向最大匹配结果
如果分词数量结果不同，那么取分词数量较少的那个
如果分词数量结果相同
分词结果相同，可以返回任何一个
分词结果不同，返回单字数比较少的那个
分词实例：
就上例来看，
正向匹配最终切分结果为：北京大学 / 生前 / 来 / 应聘，分词数量为 4，单字数为 1
逆向匹配最终切分结果为：”北京/ 大学生/ 前来 / 应聘，分词数量为 4，单字数为 0
返回单字数量少的匹配方式
逆向匹配单字数少，因此返回逆向匹配的结果。
双向最大匹配法实现如下：
最后
以上就是拉长酒窝为你收集整理的python支持双向索引吗_中文分词引擎 python实现 — 正向最大、逆向最大、双向最大匹配法...的全部内容，希望文章能够帮你解决python支持双向索引吗_中文分词引擎 python实现 — 正向最大、逆向最大、双向最大匹配法...所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复