文献类型：期刊文章

作　　者：朱咸军[1,2] 洪宇[1] 黄雅琳[1] 张馨予[1] 肖芳雄[1]

ZHU Xian-jun;HONG Yu;HUANG Ya-lin;ZHANG Xin-yu;XIAO Fang-xiong(Jinling Institute of Technology,Nanjing 211169,China;Jiangsu Software Testing Engineering Laboratory,Nanjing 211169,China)

机构地区：[1]金陵科技学院软件工程学院、网络安全学院,江苏南京211169 [2]江苏省软件测试工程实验室,江苏南京211169

出　　处：《金陵科技学院学报》

基　　金：江苏省高等学校自然科学研究面上项目(18KJB520018);金陵科技学院高层次人才科研启动基金(jit-b-201703,jit-rcyj-201802);金陵科技学院教育教改课题(jyjg2017-21);江苏省现代教育技术研究课题(2018-R-63099)

年　　份：2019

卷　　号：35

期　　号：3

起止页码：1-7

语　　种：中文

收录情况：普通刊

摘　　要：随着社交软件的普及,社交软件中社会关系分析日益凸显。中文分词是社会关系分析的一种重要手段,但是现有中文分词方法的效果不好。提出基于隐马尔科夫模型(Hidden Markov Model,HMM)的中文分词优化算法。它们是将基于词典分词算法产生的结果作为附加信息,添加到HMM模型中,在不改动HMM模型的情况下,有效地增加了HMM模型的分词效果。实验结果表明,改进HMM算法能显著提高中文分词的准确率、召回率和F值。

关 键 词：隐马尔科夫模型 优化HMM  中文分词

分 类 号：TP391]