基于python大数据设计的汉语分析分词系统（完整的代码+数据）

摘要

中文分词技术，是由于中文与英文为代表的拉丁语系语言相比，英文以空格作为天然的分隔符，而中文由于继承自古代汉语的传统，词语之间没有分隔。古代汉语中除了连绵词和人名地名等，词通常就是单个汉字，所以当时没有分词书写的必要。而现代汉语中双字或多字词居多，一个字不再等同于一个词。且在中文里，“词”和“词组”边界模糊。

中文分词中存在歧义识别和新词识别两大难题。

一、实验目标

---

本次实验目的是对汉语自动分词技术有一个全面的了解，包括从词典的建立、分词算法的实现、性能评价和优化等环节。本次实验所要用到的知识如下：

• 基本编程能力（文件处理、数据统计等）

• 相关的查找算法及数据结构实现能力

• 语料库相关