Abstract
單獨的漢字并非中文句法上及語意上的最小元素。詞才是中文中能夠獨立出現，并自由運用的最小單位。將輸入句子的字串順序，轉換成詞語順序的過程就叫做斷詞。斷詞的目的主要是為了簡化自然語言處理系統的運算步驟，避免考慮太多不可能的斷詞情形。然而因為中文的詞彙和其它語言一樣，很多都具有不只一個以上的詞性。如何找出句子中詞彙的正確詞性，對自然詞 言處理系統是非常重要的。本篇論文提出一個使用機率模式的系統，分別解決斷詞及詞類標定上的問題。首先將斷詞轉換成限制條件滿足問題，再以詞獨立出現的機率做動態規劃的最佳化決定，運算時間與詞的長度成幾近線性的關係，詞的長度也不受限制。在詞類標定問題上，系統使用二階為可夫機率模式，作為中文詞性標示的初步實驗方法。機率模式在中文斷詞上有很好的表現，實驗結果顯示，系統在斷詞部份可以達到接近96% 的召回率。相對於以前的研究，此系統使用較簡單的運算方法，系統也只須使用一個簡單的詞彙庫，而且詞彙的長度完全不受限制。實驗結果分析顯示，斷詞錯誤原因多數是肇因於詞庫未收藏的詞彙，因為機率模式所導致的錯誤所佔比率極小。詞性標示部份，系統可以達到大約80% 的正確率。實驗中也發現如果要進一步提高正確率，則有賴詞類系統做更有層次的畫分，避免初步的語言處理考慮過多的語意成份，才能達到較佳的效果。