分词算法的python实现（正向最大匹配法）

最新推荐文章于 2022-11-01 21:24:13 发布

原创

最新推荐文章于 2022-11-01 21:24:13 发布 · 5.7k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#python #分词 #算法 #文本

本文介绍了正向最大匹配法（MM法）的基本思想，即通过逐个尝试文档字符串的前i个字符作为词来查找词典，成功则切分，失败则继续缩短长度尝试。提供了一个简单的Python实现，词库可以在线获取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

正向最大匹配法又称MM法，其基本思想是: 假设分词词典中的最长词由i个汉字字符组成，则用被处理文档的当前字符串中前i个字作为匹配字段查找词典。若词典中存在这样一个字词，则匹配成功，匹配字段作为一个词被切分出来，否则匹配失败。应将匹配字段中的最后一个字去掉，对剩下的字串重新进行匹配处理。如此进行下去，直到匹配成功。然后取下一个字字串进行匹配处理，直到文档被扫描完为止。

下面是我用python对MM算法的简单实现。其中用到的词库大家可以在网上找到。

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import os

note1=input("Enter your input: ");          #键入文本内容
head1=0;
i1=10;
wordlist1=[]                                #分词存放列表
typeis=input("敏感词检测输入0，分词输入其他任意数字：")
if (typeis=='0'):                           #选择词库
    f=open(