词库容量问题

我们在每轮次分词时都建立一些词库，但是它不会增加总的分词所需词库的容量。这是因为我们在建立各轮次词库时规定，该词库的词汇不会被重复计入词典词库中，因此总的词典词库容量并没有增加，只是被分散保存了。

而且我们实际上也可以把这些小词库联合在一起保存，只是把这些小词库标注为分库就可以了。这样，当语言理解过程需要对全部词库检索时，还可以一个不落地检索全部词汇；而各轮次分词需要时，就只检索自己所需要的各个分词库。

　　Ｃ、歧义校验问题。

　　我们分轮次分词的词汇，都是经常在语句中使用频率很高的词汇。请注意，我们没有傻乎乎地使用什么词频统计，只是根据汉语的特点，就可以确定使用词频很高的词汇，这显示出我们依据汉语特征进行汉语分词的威力。

　　而由于我们把各轮次分词的词汇限制到最少，因此也把产生歧义的可能限制到最少。词汇数量少、歧义少，这“两少”使得在各轮次中的歧义校验容易了很多。但是我们坚持在每轮分词过程中进行歧义校验，就基本消除了产生歧义分词的可能。

　　这里我们根据“各轮次都是对虚词进行分词，而歧义是对虚词作用的破坏”这样一条原则，得出——“只要出现歧义，就都不再是标准的虚词”的结论。在每次虚词分词前，先消除歧义。这样就大大降低了歧义出现的可能性。

　　例如：“在”是使用频率最高的介词，它还经常与方位词、时间词构成配套的介词结构。但是在校验词库中有“在情在理”一词，表示可能出现的歧义分词。如果在分词前的歧义校验时，发现语句中有这样一词，那它肯定不需要再进行虚词分词了（虚词特性已经被这个词汇的出现破坏了）。于是歧义迅速被排除，正确分词也立马产生了。

由于“多轮次分词”充分利用汉语的特点，因此它在消除分词歧义、不增大词库存储空间、减少程序检索消耗的时间上都有很大的益处。因此它的用途肯定会特别大。