计算机分词的研究，可略分为法则式分词法和统计式分词法, 这两种分词的方法都需依赖词典的辅助。 - 法则式分词法：以构词规则为出发点的分词方式。eg: 全切分, FMM/BM： - 统计式分词法：利用语料库归纳出统计数据作为凭断标准的分词方式。eg: N-Gram概率模型 不能处理新词以及新词带来的歧义问题是统计式分词法的缺点。

正确答案是：A: 利用语料库归纳出统计数据作为凭断标准。

专业分析：

统计式分词法主要依赖于大量的语料库，通过对语料库中的词频、共现频率等统计数据进行分析，来确定分词的边界。以下是对各选项的详细分析：

A: 利用语料库归纳出统计数据作为凭断标准
这正是统计式分词的核心思想。统计式分词通过分析大量的文本数据，归纳出词语的出现频率、共现概率等统计信息，作为判断词语边界的依据。

B: 以构词规则为出发点
这更接近法则式分词法的特点。法则式分词法依赖于预先定义的语言学规则和词典，按照这些规则来进行分词。

C: 主要有全切分以及FMM/BMM方法
全切分、正向最大匹配（FMM）和逆向最大匹配（BMM）方法是法则式分词法的典型方法，而不是统计式分词法。

D: 能非常好地处理新词以及新词带来的歧义问题
统计式分词法在处理新词和歧义问题上有一定的优势，但不能说“非常好”。新词的处理仍然依赖于语料库的覆盖范围和统计模型的训练效果。对于一些未在语料库中出现的新词，统计式分词法也可能会出现问题。

因此，正确答案是A。