建網站請先了解百度的分詞技術
作者：中萬網絡
文章來源：中萬網絡
更新時間：2014-10-16
眾所周知，百度是全球最大的搜索引擎，自然的它也最了解中國網名的搜索習慣，同時它作為中國搜索引擎的老大，它的排名方法和搜索技術就在被很多草根站長研究，因為還有很多站長們要靠它的流量吃飯，所以，草根網站的站長們對百度是又愛又恨，因為它不僅能帶來很大的流量，又會無情地k站或者降權。鑒于此，大家在做網站的時候了解百度的分詞技術就尤為重要了。下面我們就一起看看，希望對大家有所幫助。
當然可能小編有說的不對地方，請大家拍磚頭，希望大家共同進步。沒有研究百度分詞前不明白百度為什么比google強大。其實分詞也就是切詞，百度是否拿來一句中文字符串拿來隨便切一下呢，當然不會。那么怎么才滿足被切割的條件呢？通過下面的實驗就會發現如果字符串只包含小于等于3個中文字符的話，那就保留不動，比如：“牽引器”這個詞，前提是一個完整的詞，百度是不會切分的，當字符串長度大于4個中文字符的時候，百度的分詞程序就會啟動了。例如“牽引器價格”，看看返回結果中標為紅字的地方，不難看出來，查詢已經被切割成“牽引器”，“價格”兩個單詞了，再試著換一個詞。例如：我們來看“中萬網絡”，百度里提交查詢一下，發現標紅的關鍵字都是每一個是“中萬”，“網絡”，連續出現的情況，可以看到將“中萬”與“網絡”切分成兩個詞，如果我們搜“北京中萬網絡”呢，發現標題是沒有，網頁內容比較完整是“北京中萬網絡科技有限公司”http://www.kuangchan99.com），可能是這個網站還沒收錄的原故，這個長尾詞被切成了“北京”/“中萬網絡”。
那現我們在來研究一下百度是分詞算法，通過幾年的發展，百度的分詞算法已經算是相當成熟了，這其中也少不了SEOER 的功勞，有一位SEOER的前輩說過：“百度的算法有簡單的有復雜的，有正向最大匹配，反向最大匹配，雙向最大匹配，語言模型方法，最短路徑算法等等，有興趣的可以用GOOGLE去搜索一下以增加理解。”讓我們總結一下吧，這里面也有我個人的猜測， 百度擁有一個強大的詞匯數據庫，里面有我們通用所用的各種詞語比如“人名，地名，產品的名稱”，舉個例子“王元哲”，“衡水”，“牽引器”，這些都是詞庫中有的，在切詞時將專有名稱切出，如“助康”這個詞，詞庫中沒有，下面的采用雙向最大匹配分詞算法，假如正向和反向匹配分詞結果一致當然最好，就可直接輸出即可；如果兩者不一致，正向匹配一種結果，反向匹配一種結果。
相信看了上面的文章，大家對百度分詞技術有了一定得了解，慢慢發現其實百度的分詞技術也并無特殊，可能因為百度擁有了一個超大的專用字典，這里面登錄了人名、廠家名稱、部分地名、網址等等，并且還在繼續擴充新詞還有一些新詞不斷被收錄，或許這就是比Google強大的一方面吧。不管怎么說，希望大家在建站之前，都應該先了解百度的分詞技術，這對于網站的推廣時很有幫助的。
