自然语言处理NPL 最大几率分词算法.doc

NLP基于最大概率的汉语切分 Ytinrete 要求： 基于最大概率的汉语切分 目标：采用最大概率法进行汉语切分。 其中：n-gram用bigram，平滑方法至少用Laplace平滑。 输入：接收一个文本，文本名称为：corpus_for_test.txt 输出：切分结果文本， 其中：切分表示：用一个字节的空格“ ”分隔，如：我们 在 学习 。 每个标点符号都单算一个切分单元。 输出文件名为：学号.txt Bigram参数训练语料：corpus_for_train.txt 注：请严格按此格式输出，以便得到正确评测结果 切分性能评价： 分 切分结果评测 F*100, F=2P*R/(P+R) 特别注意:代码雷同问题 本次作业最后得分会综合考虑：切分性能、代码、文档等几个方面。 第三次作业上交的截止时间：2014 年1月7日24:00 1.关于最大概率分词 基本思想是： 一个待切分的汉字串可能包含多种分词结果，将其中概率最大的作为该字串的分词结果。 根据： 由于语言的规律性，句子中前面出现的词对后面可能出现的词有很强的预示作用。 公式1： 其中 w表示词， s表示待切分字符串。 公式2： 例如： S：有意见分歧 W1: 有/ 意见/ 分歧/ W2: 有意/ 见/ 分歧/