中文文本分词和聚类研究的理论基础与方法综述

目录

TOC\o1-3\h\u24911中文文本分词和聚类研究的理论基础与方法综述 1

250301.1中文分词技术 1

83361.2关联规则 1

281781.3文本聚类分析 3

1.1中文分词技术

在中文文本中，词是构成语句的基本单位，文章的语义表达由词进行划分，而词又由字组成，因此分词处理是中文文本处理与分析的第一步。中文分词技术主要分为三类，分别为基于词典的分词方法、基于统计的方法和混合方法。

基于词典的方法是最早兴起的方法，其通过人工手段设立词典，按照一定的方式进行匹配切分，方法简单高效，但很难对