溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
如何解析hanlp源碼中文分詞算法，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。
解析hanlp源碼中文分詞算法。詞圖指的是句子中所有詞可能構成的圖。如果一個詞 A的下一個詞可能是B的話，那么A和B之間具有一條路徑E(A,B)。一個詞可能有多個后續，同時也可能有多個前驅，它們構成的圖我稱作詞圖。
需要稀疏 2維矩陣模型，以一個詞的起始位置作為行，終止位置作為列，可以得到一個二維矩陣。例如：“他說的確實在理”這句話
圖詞的存儲方法： 一種是的 DynamicArray法，一種是快速offset法。Hanlp代碼中采用的是第二種方法。
1、DynamicArray(二維數組)法
在詞圖中，行和列的關系： col為n 的列中所有詞可以與row為n 的所有行中的詞進行組合。例如“的確”這個詞，它的col =5，需要和它計算平滑值的有兩個，分別是row =5的兩個詞：“實”和“實在”。但是在遍歷和插入的時候，需要一個個比較col和row的關系，復雜度是O(N)。
2、快速offset
一個一維數組，每個元素是一個單鏈表
“的確”的行號是4,長度是2,4+2=6，于是第六行的兩個詞“實/實在”就是“的確”的后續。
同時這種方法速度非常快，插入和查詢的時間都是 O(1)。
Hanlp核心詞典：
最短路徑算法 —viterbi(動態規劃路徑)
Frequency:核心詞典中的詞頻
nTwoWordsFreq:共現詞頻
intMAX_FREQUENCY= 25146057
double dTemp =(double) 1 / MAX_FREQUENCY +0.00001
dSmoothingPara =0.1
Viterbi最短路徑有向圖
1、計算過程從上至下，根據計算出的權重值變更前驅結點，保證前驅結點唯一(動態規劃路徑)
2、計算結束后，從最后一個結點開始取出term,依次取出該結點的前驅結點即可分詞結果：理，在，確實，的，說，他
看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
