最近有客戶問飛揚動力的站點除了把“太原網(wǎng)站制作、太原網(wǎng)站建設(shè)”等詞做上首頁，如何也把“山西網(wǎng)站建設(shè)、山西網(wǎng)絡(luò)公司”也排在百度首頁或第二頁的。所以借著這個契機，跟大家聊聊百度的中文分詞技術(shù)，也都是自己的一些理解，有更多的想法歡迎交流。
做優(yōu)化的都知道，搜索引擎工作原理中有一步預(yù)處理，將抓取的頁面進(jìn)行幾道工序處理下，為之后的排名機制做好初步準(zhǔn)備。在預(yù)處理過程中，就有分詞這一道技術(shù)工序。英文是以一個單詞作為基本單位，單詞之間用空格分割連成一句話，中文是以字為單位中間沒有連接符成為一句話。所以，中文分詞與英文分詞差別很大。而從現(xiàn)有的搜索引擎特別是百度的中文分詞研究表明，主要是基于詞典匹配和基于統(tǒng)計。
1、基于詞典匹配是指將目標(biāo)詞或句與已有的詞典中的詞條進(jìn)行匹配處理，掃描之后匹配成句、詞、字形式。
(1)按照掃描方向不同，可分為正向匹配和逆向匹配。
(2)按照匹配長度優(yōu)先級不同，可分為最大匹配和最小匹配。
(3)按照掃描方向和長度優(yōu)先混合匹配，可分為正向最大匹配和逆向最大匹配等。
2、基于統(tǒng)計是指分析大量數(shù)據(jù)樣本，掃描計算出字或詞或句出現(xiàn)的統(tǒng)計概率，幾個字鄉(xiāng)鄰出現(xiàn)越多，就越能形成一個詞，同樣的可以形成句。
基于詞典匹配準(zhǔn)確性是取決于詞典的完整性和時效性，速度很快�；诮y(tǒng)計的分詞方法更為靈活，同時有利于消除歧義，但速度較慢。搜索引擎的中文分詞往往是將這兩種分詞技術(shù)糅合在一起使用，以提高速度和準(zhǔn)確性。這是我們所說的中文分詞技術(shù)，那么同樣的基于這些中文分詞技術(shù)，我們要最大化利用，回歸太原網(wǎng)站建設(shè)上，談?wù)?A href="http://www.chykh.cn/news_view.asp?newsid=428">飛揚動力對中文分詞技術(shù)的應(yīng)用和揣測。
1、舉例：從關(guān)鍵詞“太原建站”會被拆分為“太原”+“建站”，“太原網(wǎng)站推廣”會被拆分“太原”+“網(wǎng)站”+“推廣”或者“太原”+“網(wǎng)站推廣”或者“太原網(wǎng)站”+“推廣”等形式。這種分詞可以很好的理解，并在我們的站點中得到廣泛的應(yīng)用。百度搜索“太原建站”前20個結(jié)果頁中只有一個不是完全匹配，“太原網(wǎng)站推廣”前20個結(jié)果只有四個不是完全匹配
2、從關(guān)鍵詞“山西SEO”可以拆分為“山西”+“太原”+“SEO”或“山西太原”+“SEO”或“山西”+“太原SEO”，但是這里可以基于統(tǒng)計拆分為“山西SEO”+“太原”。依此，飛揚動力的標(biāo)題就能拆分為“山西”+“網(wǎng)站推廣”、“山西”+“網(wǎng)站優(yōu)化”。從效果上看，有這幾點因素：
(1)有個主次之分，將競爭力大的詞放一起，競爭力小的詞進(jìn)行組合拆分。飛揚動力主做“太原SEO”，分詞“山西SEO”
(2)站點中要出現(xiàn)拆分過的詞，如“山西SEO”等，這是在提醒搜索引擎是這樣的分詞，還可以將它們加粗、反顯、錨文本等突出分詞效果。
(3)在外部鏈接或友情鏈接建設(shè)過程中，除了主做關(guān)鍵詞外，還要做拆分的詞。
3、現(xiàn)在還有一種觀點就是搜索引擎逐漸做到去模擬中文語法，去理解句子。“山西太原SEO-太原網(wǎng)站推廣-太原網(wǎng)站優(yōu)化”完全可以拆分為“山西SEO”+“太原SEO”+“山西網(wǎng)站推廣”+“太原網(wǎng)站推廣”+“山西網(wǎng)站優(yōu)化”+“太原網(wǎng)站優(yōu)化”。當(dāng)然漢語的博大精深，目前的機器語言還是很難做到基于理解的分詞技術(shù)。
133 1343 5212