摘要：
>中文分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。现有的分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。准确度较高的是统计分词算法，常用的有最大概率法和隐式马尔科夫模型。分词结束后，使用TF-IDF文本关键词特征提取算法，TF-IDF是一种统计方法，用以评估一字词对于一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降，按词语重要性从中提取特定数量的词语组成这篇文章的关键词集合。 阅读全文
