中文分词技术是搜索引擎必有的步骤，利用关键词搜索时采用特定的规则进行拆分和组合，形成特定的关键词组。中文分词技术就是为了用户更加快速，更加准确的查询到所需内容，这也是考虑到用户体验的问题。这里强调的是中文分词技术在搜索引擎工作原理的预处理(建立索引)和排名中都很重要。

　　百度中文分词技术常见的以下三种：

　　1、基于字符串匹配

　　2、理解分词方法

　　3、统计分词方法

　　一、基于字符串匹配

　　在基于字符串匹配中正向最大匹配法、逆向最大匹配法、最少切分这三种又比较常见。

　　正向最大匹配法：利用关键词查询的时候，在百度排名第一位的是以标题和搜索的长尾词相符合，说明在网站条件相当的情况下，先显示标题匹配的网页。

　　逆向最大匹配法：刚刚是正向最大匹配法相反的规则，即从右往左反向进行拆分和组合。

　　最少切分：最小切分就是将一个个词组切分为最细化，甚者会一个字出现。

　　二、理解分词方法

　　理解分词方法：搜索引擎模拟人的思维，对其语句的理解进行分词技术。通过对存储的词语和语句的整合，进行分词理解。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。它通常包括三个部分：分词子系统、句法语义子系统、总控部分。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程。

　　三、统计分词方法

　　相邻的字同时出现的次数越多，中文分词就会可能把出现相邻的字当成你一个词。我们常常不是使用粗体，黑体这些吗?原因还在于这对于搜索引擎理解同样有利。


 

关注梦蕾设计