日韩欧美伦理_精品成人乱色一区二区_国产精品巨作av_欧美视频国产精品

中文分詞是中文搜索引擎特有的步驟。搜索引擎存儲和處理頁面，以及用戶搜索都是以詞為基礎(chǔ)。英文等語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有任何分隔符，一個句子中的所有字和詞都是連在一起的。

   中文分詞是中文搜索引擎特有的步驟。搜索引擎存儲和處理頁面，以及用戶搜索都是以詞為基礎(chǔ)。英文等語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有任何分隔符，一個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字組成一個詞，哪些字本身就是一個詞。比如“醫(yī)院營銷”將被分詞為“醫(yī)院”和“營銷”兩個詞。

   中文分詞方法基本上有兩種，一是基于詞典匹配，另一個是基于統(tǒng)計。基于詞典匹配的方法是指，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，在待分析漢字串中掃描到詞典中己有的詞條則匹配成功，或者說切分出一個單詞。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，又可以分為最大匹配和最小匹配。將掃描方向和長度優(yōu)先混合，又可以產(chǎn)生正向最大匹配、逆向最大匹配等不同方法。詞典匹配方法計算簡單，其準確度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)越多，就越可能形成一個單詞�；�于統(tǒng)計的方法優(yōu)勢是對新出現(xiàn)的詞反應更快速，也有

   利于消除歧義。基于詞典匹配和統(tǒng)計的兩種分詞方法各有優(yōu)劣，實際使用中的分詞系統(tǒng)都是混合使用兩種方法，達到快速高效，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。比如在百度搜索“醫(yī)院網(wǎng)絡(luò)營銷”:從快照中可以看到，百度把“醫(yī)院網(wǎng)絡(luò)營銷”這六個字當成一個詞。

   而在Google搜索同樣的詞：快照顯示Google將其分切為“醫(yī)院”,“網(wǎng)絡(luò)”和“營銷”三個詞。顯然百度切分得更為合理，搜索引擎優(yōu)化是一個完整的概念。Google分詞時傾向于更為細碎。再舉一個更明顯的例子。在Google搜索“點石互動”四個字：快照顯示Google將其切分為“民營”,“醫(yī)院”及“營銷”三個詞。領(lǐng)域最知名的品牌，顯然并沒有進入Google的詞典中。在百度搜索度將“醫(yī)院營銷”當作一個詞。甚至在百度搜索“民營醫(yī)院營銷”,會“都當成一個詞：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。比如百度更喜歡搜索詞完整匹配地出現(xiàn)在頁面上，也就是說搜索”點石互動“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就與此不同，不太要求完整匹配。一些頁面出現(xiàn)”點石“和”互動“兩個詞，但不必完整匹配地出現(xiàn)，”點石“出現(xiàn)在前面，”互動“出現(xiàn)在頁面的其他地方，這樣的頁面在Google搜索”點石互動“時，也可以獲得不錯的排名。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人員對分詞所能做的很少。唯一能做的是在頁面上用某種形式提示搜索引擎，某幾個字應該被當作一個詞處理，尤其是可能產(chǎn)生歧義的時候，比如在頁面標題、hl標簽以及黑體中出現(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“這兩個字特意標為黑體。如果頁面是關(guān)于”化妝和服裝“,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時就知道標為黑體的應該是一個詞。