中文分詞技術是搜索引擎對于用戶提交查詢的關鍵詞，搜索引擎用中文分詞把詞按照一定的規(guī)格，將一個長尾詞分割成幾個部分，從而概括一段話的主要內容，讓用戶能更快速度的找到想要的內容。

搜索引擎最常用的幾種分詞方法有三種：

一、字符串匹配的方法;(字符串匹配的分詞一般為3種：1.正向大匹配法;2.逆向大匹配法;3.最少切分)

二、理解分詞方法;

三、統(tǒng)計分詞方法。

字符串匹配方法：在百度中搜索“我喜歡玩寵物連連看”而在百度排名第一位的是以標題和搜索的長尾詞相符合，說明在網站條件相當的情況下，先顯示 標題匹配的網頁。這樣文章標題中的長尾是在排名中非常重要的。而在百度第二頁“我喜歡玩寵物連連看”用百度快照查看，很顯然長尾詞已經被分成“我喜歡， 玩，寵物連連看”而在外后已經被分成：“我，喜歡玩，寵物，連連看”，這種匹配方法是最少切分方式。

理解分詞方法：當輸入的字符串中包含≤3個中文字符的話百度分詞就會直接接到數據庫索引詞匯;而當字符串長度》4個中文字符的時候，百度中分詞會會把這個詞分成若干個字符。如：百度搜索“電動車”。

統(tǒng)計分詞方法：相鄰的字同時出現的次數越多，中文分詞就會可能把出現相鄰的字當成你一個詞。例如在百度中輸入一個字符“網”而在下面百度也把“網站”標紅了，這樣可以看得出“網”與“站”這兩個字符相鄰出現的次數非常多，統(tǒng)計分詞已經把“網站”納入了詞庫。

對于百度中文分詞的理解：

中文分詞中強調一點：“按照不同長度優(yōu)先匹配的情況，可以分為大(最長)匹配和最小(最短)匹配”;長尾詞在文章中的間距也是決定文章排名的因素。如：“我喜歡玩寵物連連看”在百度第十三頁的時候已經被分詞成“我，喜歡，玩，寵物，連連，看”

全字匹配得到的詞的權重會高于分開的詞的權重。

根據自己的觀察現在百度大部分都是使用的是正向匹配。

百度分詞對于一句話分詞之后，還會去掉句子中的沒有意義的詞語。

分享名稱：優(yōu)化:淺談百度三種中文分詞技術
當前鏈接：http://jinyejixie.com/news45/137945.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供響應式網站、網站營銷、網站制作、做網站、網站內鏈、企業(yè)建站

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)