成都網(wǎng)站設(shè)計--創(chuàng)新互聯(lián)小編今天來和大家說說。“分詞”，分詞是中文搜索引擎特有的步驟。搜索引擎存儲和頁面處理內(nèi)容及用戶查詢都是和以詞為基礎(chǔ)的。英文等語言單詞與單詞之間的空格作為天然分隔，搜索引擎索引程序可以直接把單詞劃分為單詞的集合。而中文詞與詞之間沒有任何的分隔符，一個句子中所有的詞和句子都是聯(lián)系在一起的。搜索引擎必須首先分辨那幾個字組成一個詞，那寫字本身就是一個詞。比如“減肥方法”將被分詞為“減肥”和“方法”兩個詞。

中文分詞方法基本有兩種，一種是基于詞典匹配，另一種是基于統(tǒng)計?；谠~典匹配的方法是指，將待分析的一段漢字與一個事先造好的詞典中的詞條進行匹配，在待分析漢字竄中掃苗到詞典中已有的詞條就匹配成功，或則說切分出一個單詞。按照掃描方向，基于詞典的匹配法可以分為正向匹配和逆向匹配。按照匹配長度優(yōu)先級的不同，又可以分為大匹配和最小匹配。將掃苗方向和長度優(yōu)先混合，又可以產(chǎn)生正向的大匹配，逆向大匹配等不同方法。詞典匹配方法計算簡單，其準確度在很大程度上取決于詞典的完整性和更新情況。

基于統(tǒng)計的分詞方法指的是分析大量的文字樣本，計算出字與字相鄰出現(xiàn)的統(tǒng)計概率，幾個字相鄰出現(xiàn)月多，就越可能形成一個單詞。基于統(tǒng)計的方法的優(yōu)勢是對新出現(xiàn)的詞反應(yīng)更快捷，也有利于消除歧義。

基于詞典匹配和基于統(tǒng)計的分詞方法各優(yōu)劣，實際使用中的分詞系統(tǒng)都是混合使用兩種方法的，快速高校，又能識別生詞,新詞，消除歧義。

中文分詞的準確性往往影響搜索引擎排名的相關(guān)性。比如百度搜索“搜索引擎優(yōu)化”如下圖可以把百度“成都網(wǎng)站建設(shè)”這六個字當成一個詞。

這種分詞上的不同很可能是一些關(guān)鍵詞排名在不同搜索引擎有不同表現(xiàn)的原因之一。比如百度更喜歡查詢詞完整匹配出現(xiàn)的頁面，也就是說搜索“成都網(wǎng)站建設(shè)”時，這四個字連續(xù)完整出現(xiàn)更容易在百度獲得好的排名。google卻與此不同。下圖

需要說明的是，快照只能在某些情況下幫助我們大致猜測搜索引擎的分詞處理，但這不是一個通用可靠的方法，很多時候我們并不能從快照中看出搜索引擎是怎么分詞的。比如在百度搜索一些很長的詞或者句子，對于不同網(wǎng)站，百讀快照有時候?qū)⒄麄€句子標為同一個顏色，顯然百度也不是將整個句子分為一個詞。搜索引擎對頁面的分詞取決于詞庫的規(guī)模,準確性和分詞算法的好壞，而不是取決于頁面本身如何，所以seo成員對分詞所能做的很少。能做的是在頁面上用某種形式提示搜索引擎，某幾個字應(yīng)該被當作一個詞處理，尤其是可能產(chǎn)生岐依的時候，比如在頁面標題,hl標簽中及黑體中出現(xiàn)關(guān)鍵詞。如果頁面是關(guān)于“和服”的內(nèi)容，那么可以把“和服”的內(nèi)容，那么可以把“和服”這兩個字特意標為給體。如果頁面是關(guān)于“化裝和服裝”，可以把“服裝”兩個字標為黑體。這樣，搜索引擎對頁面進行分析的時候就知道標為黑體的應(yīng)該是一個詞。

新聞名稱：中文分詞
文章分享：http://jinyejixie.com/news7/179607.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站建設(shè)、微信公眾號、微信小程序、小程序開發(fā)、企業(yè)建站、建站公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)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(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)