前言

大家都知道，英文的分詞由于單詞間是以空格進(jìn)行分隔的，所以分詞要相對(duì)的容易些，而中文就不同了，中文中一個(gè)句子的分隔就是以字為單位的了，而所謂的正向最大匹配和逆向最大匹配便是一種分詞匹配的方法，這里以詞典匹配說明。

最大匹配算法是自然語(yǔ)言處理中的中文匹配算法中最基礎(chǔ)的算法，分為正向和逆向，原理都是一樣的。

正向最大匹配算法，故名思意，從左向右掃描尋找詞的最大匹配。

首先我們可以規(guī)定一個(gè)詞的最大長(zhǎng)度，每次掃描的時(shí)候?qū)ふ耶?dāng)前開始的這個(gè)長(zhǎng)度的詞來和字典中的詞匹配，如果沒有找到，就縮短長(zhǎng)度繼續(xù)尋找，直到找到或者成為單字。

下面話不多說了，來一起看看詳細(xì)的介紹吧。

實(shí)例：

S1="計(jì)算語(yǔ)言學(xué)課程是三個(gè)課時(shí)" ,設(shè)定最大詞長(zhǎng)MaxLen = 5 ,S2= " "

字典中含有三個(gè)詞：[計(jì)算語(yǔ)言學(xué)]、[課程]、[課時(shí)]

    （1）S2=""；S1不為空，從S1左邊取出候選子串W="計(jì)算語(yǔ)言學(xué)"；

    （2）查詞表，“計(jì)算語(yǔ)言學(xué)”在詞表中，將W加入到S2中，S2=“計(jì)算語(yǔ)言學(xué)/ ”， 并將W從S1中去掉，此時(shí)S1="課程是三個(gè)課時(shí)"；

    （3）S1不為空，于是從S1左邊取出候選子串W="課程是三個(gè)"；

    （4）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="課程是三"；

    （5）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="課程是"；

    （6）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="課程"

    （7）查詞表，W在詞表中，將W加入到S2中，S2=“計(jì)算語(yǔ)言學(xué)/ 課程/ ”，并 將W從S1中去掉，此時(shí)S1="是三個(gè)課時(shí)"；

    （8）S1不為空，于是從S1左邊取出候選子串W="是三個(gè)課時(shí)"；

    （9）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="是三個(gè)課"；

    （10）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="是三個(gè)"；

    （11）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="是三"

    （12）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W=“是”，這時(shí) W是單字，將W加入到S2中，S2=“計(jì)算語(yǔ)言學(xué)/ 課程/ 是/ ”，并將 W從S1中去掉，此時(shí)S1="三個(gè)課時(shí)"；

    （13）S1不為空，從S1左邊取出候選子串W="三個(gè)課時(shí)"；

    （14）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="三個(gè)課"；

    （15）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W="三個(gè)"；

    （16）查詞表，W不在詞表中，將W最右邊一個(gè)字去掉，得到W=“三”，這時(shí) W是單字，將W加入到S2中，S2=“計(jì)算語(yǔ)言學(xué)/ 課程/ 是/ 三/ ”，并 將W從S1中去掉，此時(shí)S1="個(gè)課時(shí)"；