分词是中文自然语言处理中的关键技术。将中文分词问题转化为字标注问题,以便套用机器学习的方法去解决,是较为有效的一种思路。然而,基于传统机器学习方法进行分词,需要人为的在中文文本中提取特征,存在信息提取不充分、词库维度高、且利用CPU训练模型时间长的缺点。近年,深度学习模型被引进来解决中文分词问题,比较典型的是可以处理长距离依赖信息的长短记忆神经网络。但是,在基于序列标注的中文分词问题上,长短记忆神经网络提取中文词语局部约束信息的能力较弱,而且存在着训练时间较长的问题,为了解决以上两方面的问题,本文提出了基于长短记忆神经网络后接CRF层的中文分词模型。本文通过对一般的LSTM神经网络中文分词模型、基于GRU神经网络的中文分词模型及结合了CRF的GRU神经网络的中文分词模型的效率和效果进行对比,实验结果表明,结合了CRF的GRU神经网络中文分词模型在保证效率的基础上,分词效果也得到了明显的提升。