- 1、本文档共21页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
自然语言处理NPL 最大几率分词算法
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/
您可能关注的文档
- 职称英语理工类浏览理解新增文章含练习解析及译文.doc
- 职称英语理工类浏览理解新增文章译文对应AB级文章.doc
- 职称英语理工类真题C级.doc
- 职称英语真题之理工类A级试题.doc
- 职称英语真题之理工类B级.doc
- 职称英语真题之理工类B级全含答案.doc
- 职称英语真题之理工类C级全含答案.doc
- 职称英语真题及谜底 理工C.doc
- 职称英语真题及谜底.doc
- 职称英语真题综合A.doc
- 《GB/T 32151.42-2024温室气体排放核算与报告要求 第42部分:铜冶炼企业》.pdf
- GB/T 32151.42-2024温室气体排放核算与报告要求 第42部分:铜冶炼企业.pdf
- GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法.pdf
- 中国国家标准 GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法.pdf
- 《GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法》.pdf
- 《GB/T 18238.2-2024网络安全技术 杂凑函数 第2部分:采用分组密码的杂凑函数》.pdf
- GB/T 18238.2-2024网络安全技术 杂凑函数 第2部分:采用分组密码的杂凑函数.pdf
- 《GB/T 17215.686-2024电测量数据交换 DLMS/COSEM组件 第86部分:社区网络高速PLCISO/IEC 12139-1配置》.pdf
- GB/T 13542.4-2024电气绝缘用薄膜 第4部分:聚酯薄膜.pdf
- 《GB/T 13542.4-2024电气绝缘用薄膜 第4部分:聚酯薄膜》.pdf
文档评论(0)