一、結果分析：

        1.程式執行結果，如下圖所示：

        2.總體分析。
        （1）正向和逆向匹配都正確的句子數目為 1731，佔句子總數的39.0%
        （2）正向最大匹配完全正確的句子數目為 1917，佔句子總數的43.2%
        （3）逆向最大匹配完全正確的句子數目為 1982，佔句子總數的44.7%
        （4）至少有一種方法分析正確的句子數為 2168，佔句子總數的48.9%
        3.逆向最大匹配比正向最大匹配的準確率和召回率都高。
        4.錯誤分析
        （1）未登入詞導致的錯誤佔大部分，約70%左右，是導致分詞錯誤的主要因素。
        （2）面對交集型歧義，正向最大匹配比逆向最大匹配更容易出錯。
        （3）面對組合型歧義，正向最大匹配和逆向最大匹配都無能為力。


二、主要問題分析：
        1.準確率為什麼低於召回率；
        二者的計算公式如下：
                準確率 = 切分正確的詞 / 切分得到的詞數
                召回率 = 切分正確的詞 / 準確的詞數
        從上述公式來看，他們的區別在於分母。通過對切分錯誤的漢字串的分析，發現未登入詞在其中佔了相當大的比例，大概四分之三左右。演算法對於未登入詞的處理方式是：將它們按照單字進行切分，這樣勢必導致切分出來的詞的數量比真實值偏大。雖然也存在一些組合型歧義問題使切分出來的詞的數量傾向於減少，但是這種情形較少，只佔所有錯誤漢子串的十分之一左右。因此從總體上來看，實際切分得到的詞的數目會比真實的詞的數目要大，所以最終得到的準確率低於召回率。

        2.逆向匹配的準確率和召回率為什麼高於正向匹配？
        逆向切分的錯誤較少。錯誤分三類：未登入詞、組合型歧義、交集型歧義。其中未登入詞對於兩種切分方式來說是差不多的，組合型歧義也是相差無幾。主要的區別在於交集型歧義問題，對於漢字串ABC，正向切分得到AB /C，逆向切分得到A/BC。在實際應用中，大多數的交集型歧義傾向於切分為A/BC這種形式。因此，正向匹配的錯誤數量相對來說較高。至於為什麼漢語的交集型歧義傾向於切分為A/BC這種形式，那可能涉及到語言學的知識了。

        3.錯誤分詞的主要問題什麼？主流的解決辦法是什麼？
        從分詞的結果來看，錯誤主要分為三類：
        （1）組合型歧義，該切分而未切分的詞。正向切分中大概佔13.8%，逆向切分中大概佔14.2%。
        某些漢字串，它本身是詞，切開來也是詞，這就造成了組合型歧義。比如：比如“就是”，它本身是一個詞，其中的“就”和“是”也都可以單獨作為一個詞。
        組合型歧義同最大匹配的原則是相矛盾的。最大匹配法的實質是要求切分出來的詞的數量儘可能地少，而組合型歧義切分問題的存在，卻要求考慮將這樣的詞再切分一次的可能性。如果不利用句法以及更高層面上的知識，組合型歧義切分是很難解決的。要利用上下文的語境資訊進行識別。

         （2）交集型歧義。正向切分中大概佔16.5%，逆向切分中大概佔13.8%。
        交集型歧義切分是指，一個漢字串中包含ABC三個子串，AB和BC都是詞，到底應該切分為A/BC還是AB/C。按照最大匹配切分方式，正向切分得到AB /C，逆向切分得到A/BC。因此，對同一個漢字串同時進行正向切分和逆向切分，可以檢查出一部分交集型歧義，但是未必能發現所有的交集型歧義。
        解決交集型歧義，可以用統計學的手段計算出可能性最大的一種切分方式。可以利用最大概率法，基於支援向量機的方法，最大熵模型。
        這兩種歧義的區別為：交集型歧義的問題在於在哪裡切分，組合型歧義的問題在於該不該切。

        （3）未登入詞。正向切分中大概佔69.66%，逆向切分中大概佔72.01%。
        即詞典中不存在的詞。一些未登入詞是比較生僻的、不常用的詞，如糌粑。還有一些是專有名詞、人名、地名等。
        未登入詞識別的基本方法主要採用的是：基於規則的方法和統計與規則相結合的方法。從目前的研究來看，多是對人名、地名、機構名等進行單獨的識別研究。基於統計的方法是根據統計得到的各類用字的頻度，加入構詞可信度等概念進行識別。統計與規則相結合的方法是根據未登入詞的用字規律和上下文特徵，觀察未登入詞與標誌位置的關係以及單詞的左右結構，總結出適合絕大多數未登入詞的識別規則，將規則應用於漢語文字的處理過程，從而識別未登入詞。