分詞是中文搜索引擎特有的步驟。搜索引擎存儲(chǔ)和處理頁(yè)面及用戶搜索都是以詞為基礎(chǔ)的。英文等語(yǔ)言單詞與單詞之間有空格分隔，搜索引擎索引程序可以直接把句子劃分為單詞的集合。而中文詞與詞之間沒(méi)有任何分隔符，一個(gè)句子中的所有字和詞都是連在一起的。搜索引擎必須首先分辨哪幾個(gè)字組成一個(gè)詞，哪些字本身就是一個(gè)詞。比如“減肥方法”將被分詞為“減肥”和“方法”兩個(gè)詞。 中文分詞方法基本上有兩種，一種是基于詞典匹配，另一種是基于統(tǒng)計(jì)。 基于詞典匹配的方法是指，將待分析的一段漢字與一個(gè)事先造好的詞典中的詞條進(jìn)行匹配，在待分析漢字串中掃描到詞典中已有的詞條則匹配成功，或者說(shuō)切分出一個(gè)單詞。

按照掃描方向，基+詞典的匹配法可以分為1F向匹配和逆向匹配。按照匹配：長(zhǎng)度優(yōu)先級(jí)的不同，又可以分為大匹配和最小匹配。將掃描方向和長(zhǎng)度優(yōu)先混合，又可以產(chǎn)生正向大匹配、逆向大匹配等不同方法。 詞典匹配方法計(jì)算簡(jiǎn)單，其準(zhǔn)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(jì)的分詞方法指的是分析大量文字樣本，計(jì)算出字與字相鄰出現(xiàn)的統(tǒng)計(jì)概率，幾個(gè)字相鄰出現(xiàn)越多，就越可能形成一個(gè)單詞?；诮y(tǒng)計(jì)的方法的優(yōu)勢(shì)是對(duì)新出現(xiàn)的詞反應(yīng)更快速，也有利于消除歧義。

基于詞典匹配和基于統(tǒng)計(jì)分詞方法各有優(yōu)劣，實(shí)際使用中的分詞系統(tǒng)都是混合使用兩種方法的，快速高效，又能識(shí)別生詞、新詞，消除歧義。 中文分詞的準(zhǔn)確性往往影響搜索引擎排名的相關(guān)性。比如在百度搜索“長(zhǎng)沙網(wǎng)絡(luò)公司”，從快照中可以看到，百度把“長(zhǎng)沙網(wǎng)絡(luò)公司”這六個(gè)字當(dāng)成一個(gè)詞。

而在Google搜索同樣的詞，快照顯示Google將其分切為“長(zhǎng)沙”、“網(wǎng)絡(luò)”和“公司”三個(gè)詞。顯然百度切分得更為合理，長(zhǎng)沙網(wǎng)絡(luò)公司是一個(gè)完整的概念。Google分詞時(shí)傾向于更為細(xì)碎。

再舉一個(gè)更明顯的例子。在Google搜索“創(chuàng)新互聯(lián)”四個(gè)字，快照顯示Google將其切分為“杭”，“泰”及“網(wǎng)絡(luò)”三個(gè)詞?！皠?chuàng)新互聯(lián)”這個(gè)中文網(wǎng)絡(luò)公司領(lǐng)域最知名的品牌，顯然并沒(méi)有進(jìn)入Google的詞典中。

在百度搜索“創(chuàng)新互聯(lián)”時(shí)會(huì)發(fā)現(xiàn)，百度將“創(chuàng)新互聯(lián)”當(dāng)做一個(gè)，詞。甚至在百度搜索“創(chuàng)新互聯(lián)電話”，可以發(fā)現(xiàn)百度把“創(chuàng)新互聯(lián)電話”都當(dāng)成一個(gè)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)的的原因之一。比如百度更喜歡將插索詞完整匹配地出現(xiàn)在頁(yè)面上，也就是說(shuō)搜索“創(chuàng)新互聯(lián)”時(shí)，這四個(gè)字連續(xù)完整出現(xiàn)更容易在百度獲得好的排名。Google就與此不同，不太要求完整匹配。

一些頁(yè)面出現(xiàn)“創(chuàng)新互聯(lián)”和“網(wǎng)絡(luò)”兩個(gè)詞，但不必完整匹配地出現(xiàn)，“創(chuàng)新互聯(lián)”出現(xiàn)在前面，“網(wǎng)絡(luò)”出現(xiàn)在頁(yè)面的其他地方，這樣的頁(yè)面在Google搜索“創(chuàng)新互聯(lián)”時(shí)，也可以獲得不錯(cuò)的排名。 搜索引擎對(duì)頁(yè)面的分詞取決于詞庫(kù)的規(guī)模、準(zhǔn)確性和分詞算法的好壞，而不是取決于頁(yè)面本身如何，所以SEO人員對(duì)分詞所能做的很少。唯一能做的是在頁(yè)面上用某種形式提示搜索引擎，某幾個(gè)字應(yīng)該被當(dāng)做一個(gè)詞處理，尤其是可能產(chǎn)生歧義的時(shí)候，比如在頁(yè)面標(biāo)題、hl．標(biāo)簽及黑體中出現(xiàn)關(guān)鍵詞。如果頁(yè)面是關(guān)于“和服”的內(nèi)容，那么可以把“和服”這兩個(gè)字特意標(biāo)為黑體。如果頁(yè)面是關(guān)于“化妝和服裝”，可以把“服裝”兩個(gè)字標(biāo)為黑體。這樣，搜索引擎對(duì)頁(yè)面進(jìn)行分析時(shí)就知道標(biāo)為黑體的應(yīng)該是一個(gè)詞。

文章名稱：搜索引擎的分詞技術(shù)有助于SEO優(yōu)化
本文來(lái)源：http://aaarwkj.com/news/197737.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站策劃、服務(wù)器托管、網(wǎng)站導(dǎo)航、網(wǎng)頁(yè)設(shè)計(jì)公司、小程序開(kāi)發(fā)、自適應(yīng)網(wǎng)站

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(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)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(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)