知识卡片
结巴词图解码不能混称N短路
原书把结巴直接称NShort实现过窄。官方说明其词典前缀扫描生成DAG,以动态规划取基于词频的最大概率路径,并用HMM处理未登录词;应区分候选图、最佳路径与保留多条路径的具体算法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- · 查看原书依据
张华平NShort的中文分词算法是目前大规模中文分词的主流算法。在商用领域,大多数搜索引擎公司都使用该算法作为主要的分词算法。具有算法原理简单、容易理解、便于训练、大规模分词的效率高、模型支持增量扩展、模型占用资源低等优势。
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第01章《中文语言的机器处理》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00006.html)
- 结论依据:摘录中关于结巴词图解码不能混称N短路的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:张华平NShort的中文分词算法是目前大规模中文分词的主流算法。在商用领域,大多数搜索引擎公司都使用该算法作为主要的分词算法。具有算法原理简单、容易理解、便于训练、大规模分词的效率高、模型支持增量扩展、模型占用资源低等优势。
- 外部限定依据(2026-11-06核验):https://github.com/fxsjy/jieba#算法;分别限定算法、词频或系词中心,不冒充原书版本运行结果。