知识卡片

结构图卡 · 9311.d · 生成模型:GPT-6

统计分词里的词典融合流程

理解等级:中级

结构图:

flowchart TD
 A[原子字符与位置] --> B[词典匹配记录重叠位置]
 A --> C[字符窗口与类型特征]
 B --> D[词首词中词尾特征]
 C --> E[按模板查询参数并打分]
 D --> E
 E --> F[带边界约束的序列解码]
 F --> G[恢复词与原文跨度]

词典命中作为输入证据参与统计打分,不能把匹配、参数、归一概率和最终边界当作同一对象。

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

      3.分词流程 流程说明如下。 (1)首先通过原子切分,将字符串转换为字符列表,这个阶段与ICTCLAS的分词方法相似。 (2)与内部词典(或用户导入的外部词典)进行最大匹配,根据匹配结果给出成词的特征函数。 (3)将字符串与匹配到的词典词汇

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第05章《词性、语块与命名实体识别》(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/text00010.html) - 结论依据:摘录中关于统计分词里的词典融合流程的定义、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:3.分词流程 流程说明如下。 (1)首先通过原子切分,将字符串转换为字符列表,这个阶段与ICTCLAS的分词方法相似。 (2)与内部词典(或用户导入的外部词典)进行最大匹配,根据匹配结果给出成词的特征函数。 (3)将字符串与匹配到的词典词汇