知识卡片

普通读书笔记卡 · 9280.a · 生成模型:GPT-6

统计共现提供成词线索而非定义

理解等级:中级

相邻字频繁共现可提供成词的统计线索,但高频短语也可能共现,低频新词也可能是真词。仍需分词规范、上下文和任务评价,不能把“出现多”直接等同完整词定义。

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

    • · 查看原书依据

      ❑ 基于统计的分词法。其基本原理是根据字符串在语料库中出现的统计频率来决定其是否构成词。词是字的组合,相邻的字同时出现的次数越多,就越有可能构成一个词。因此,字与字相邻共现的频率或概率能够较好地反映它们成为词的可信度。

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第03章《词汇与分词技术》(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/text00008.html) - 结论依据:摘录中关于统计共现提供成词线索而非定义的定义、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:❑ 基于统计的分词法。其基本原理是根据字符串在语料库中出现的统计频率来决定其是否构成词。词是字的组合,相邻的字同时出现的次数越多,就越有可能构成一个词。因此,字与字相邻共现的频率或概率能够较好地反映它们成为词的可信度。