机械分词方法指的是主要依据词典信息，而不使用规则知识和统计信息，按一定的策略将汉字串与词典中的词逐一匹配；如果匹配成功，一就加以切分。按照扫描方向的不同，机械分词方法可以分为正向匹配和逆向匹配；按照不同长度词的优先情况，可以分为最大匹配和最小匹配。最大匹配优先切分长度较长的词，最小匹配优先切分长度较短的词。这几种方法相互结合，就构成了以下几种常见的机械分词方法。
第一、机械分词方法简介
1. 正向最大匹配
用MAXL表示最大词长，按照从左到右的顺序，首先从汉字串中取长度为MAXL的子串查词典。若词典中存在这个词，则切分出这一子串，指针后移MAXL个汉字后继续切分，否则，子串长度减一，再与词典匹配。若长度为2的子串还不能在词典中查到，则取当前汉字为词，指针后移一个汉字继续匹配。
2. 正向最小匹配
和正向最大匹配一样，按照从左到右的顺序，首先从汉字串中取长度为2的子串查词典。若词典中存在这个词，则切分出该子串，指针后移2个汉字，否则，子串长度逐次加一继续匹配。若一直到长度为MAXL的子串仍无法匹配，则切分出当前汉字。
现在用两种正向匹配方法切分句子“后天我们去北京”，设最大词长为4，两种方法的匹配词序依次是：
正向最大匹配：后天我们 后天我 后天 我们去北 我们去 我们 去北京 去北 去 北京。
正向最小匹配：后天 我们 去北 去北京 去 北京。
两种方法最后都得到正确的切分结果：后天 我们去北京。
3. 逆向匹配
逆向匹配同样也分为逆向最大匹配和逆向最小匹配。和正向匹配不同的是，切分汉字串时，不是按汉字顺序从左到右抽取子串，而是从汉字串尾端开始抽取。以上句为例，两种逆向匹配方法的匹配词序依次是：
逆向最大匹配：们去北京 去北京 北京 天我们去 我们去 们去 去 后天我们 天我们 我们 后天。
逆向最小匹配：北京 们去 我们去 天我们去 去 我们 后天。
最后也都得到了正确的切分结果。
一般说来，逆向匹配的切分精度略高于正向匹配，产生的歧义现象也较少。例如，对于句子“研究生命起源”，用正向最大匹配和正向最小匹配方法切分，分别得到“研究生命 起源”和“研究 生命起源”，其中前一种切分结果是错误的。而两种逆向匹配方法都能得到正确的切分结果“研究 生命 起源”。
上一篇：切分歧义处理知识
下一篇：自动分词的原则
微信公众号搜索“译员”关注我们，每天为您推送翻译理论和技巧，外语学习及翻译招聘信息。