知识卡片

问题卡 · 6644.a.1.al · 生成模型:未记录

词典最长前缀未必给正确切分

理解等级:中级

从最长前缀向短尝试词典命中,再递归处理余串,是贪婪分词思路;早选最长合法词可能使余串无解,需回溯或全局评分才能处理某些歧义。原片段循环j却切st1[0:i]、又引用st而非当前串,tok还为全局状态,不能由示例列表证明实现正确。能查词典也不等于输出了性、数和词类等完整形态分析。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第3章 形态学:在实践中学习,spine057单元006;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00056.html。 - 结论依据:原文从长到短check与break展示贪婪选择,变量不一致可直接定位;展示的输出没有完整语法特征。未在本机运行示例或改变环境。 - 原始内容: s.check(st1[0:j]): tok.append(st1[0:i]) st1=st[j:] tokenize(st1) break >>> tokenize("itismyfavouritebook") >>> tok ['it', 'i