從百度搜索引擎優(yōu)化的角度來(lái)看，如果分詞技術(shù)可以運(yùn)用恰當(dāng)，可以使你的網(wǎng)站優(yōu)化更上一層樓，其實(shí)分詞原理很簡(jiǎn)單，就是當(dāng)用戶輸入查詢關(guān)鍵詞的時(shí)候可以給用戶匹配相關(guān)準(zhǔn)確輸出結(jié)果，同時(shí)也是百度所追求的用戶友好度體驗(yàn)。

如果可以很好的掌握百度分詞技術(shù)就可以實(shí)現(xiàn)網(wǎng)站關(guān)鍵詞的定位，而且可以羅列出長(zhǎng)尾關(guān)鍵詞，從而帶動(dòng)網(wǎng)站更好的優(yōu)化，引來(lái)更多的流星，百度分詞技術(shù)比谷歌分詞先進(jìn)的原因是百度有一個(gè)巨大的詞庫(kù)，包含了人名、地名、企業(yè)名等，同時(shí)有正向的匹配和反向匹配，以較短的路徑滿足用戶的搜索需求。

百度分詞主要是以詞義、詞語(yǔ)、詞頻的方式滿足搜索引擎對(duì)詞語(yǔ)的抓取，具體的分詞原理分為這三大部分:

一、字符串匹配分詞方法

細(xì)分為是正向匹配法、反向匹配法、短路徑分詞法等。

1、正向匹配法

正向匹配法主要是結(jié)合我們長(zhǎng)期寫字的方式，將一個(gè)詞或者一句話從左向右來(lái)分詞，例如:“一個(gè)學(xué)生在教室上自習(xí)”，這一句話的正向匹配法就是一個(gè)，學(xué)生，正在，教室，上，自習(xí)，主要采用從左向右的匹配方法。

2、反向匹配法

反向匹配法與正向匹配法剛好相反，例如:“一個(gè)學(xué)生在教室上自習(xí)”主要是將學(xué)生，正在，教室，上，自習(xí)利用反向匹配法從右向左區(qū)分。

3、較短路徑分詞法

其實(shí)就是一段話中需要分出來(lái)的詞數(shù)比較少，盡可能將一句話分成幾個(gè)詞來(lái)區(qū)分，也有特殊情況，就是將正向匹配、反向匹配、短路徑匹配三者結(jié)合起來(lái)組成的分詞方法，例如正向匹配與反向匹配組合起來(lái)就叫做雙向匹配法。

二、詞義分詞方法

詞義分詞方法就是利用一種機(jī)器語(yǔ)言來(lái)判斷的分詞方式，進(jìn)行句法、語(yǔ)義分析，借助語(yǔ)法信息和語(yǔ)義信息作出判斷處理歧義的現(xiàn)象，目前這樣的方法在百度中還不算成熟。

三、統(tǒng)計(jì)分析方法

統(tǒng)計(jì)分析主要是在人工標(biāo)注與統(tǒng)計(jì)特征下進(jìn)行的，對(duì)于中文進(jìn)行建立模型，在分詞階段通過(guò)模型來(lái)計(jì)算分詞出現(xiàn)的概率，能夠?qū)⒏怕实慕Y(jié)果作為后的籌碼，比較常見的序列模型有HMM和CRF。

優(yōu)勢(shì)是可以很好的處理歧義和不能登錄詞的問(wèn)題，效果比字符串匹配效果要好。

劣勢(shì)是可能需要大量的人工標(biāo)注，速度會(huì)相對(duì)比較慢。

因?yàn)橄噜彽淖滞瑫r(shí)出現(xiàn)的次數(shù)較多，就越有可能組成一個(gè)詞語(yǔ)，所以字與詞相鄰部分出現(xiàn)的幾率可以很好地反應(yīng)詞語(yǔ)的可信度。

也可以對(duì)語(yǔ)料中臨邊出現(xiàn)的各個(gè)字的組合頻度進(jìn)行統(tǒng)計(jì)，預(yù)算出他們的共同信息，從而定義這些信息，計(jì)算這個(gè)詞之間相鄰的出現(xiàn)的概率。

在做百度分詞分析的過(guò)程中，不論是標(biāo)題Tltle分詞，還是首頁(yè)相關(guān)關(guān)鍵詞設(shè)置，我們都不可以隨意使用百度搜索的任意一個(gè)關(guān)鍵詞，因?yàn)槟銜?huì)發(fā)現(xiàn)首頁(yè)標(biāo)題能利用百度搜索引擎切除相關(guān)關(guān)鍵詞排名靠前。

而網(wǎng)站關(guān)鍵詞質(zhì)量的好壞是影響百度排名的重要因素，如果你對(duì)百度搜索引擎分詞技術(shù)有一定理解，那么對(duì)你做有關(guān)提升關(guān)鍵詞排名的工作將會(huì)變得簡(jiǎn)單得多。

分詞技術(shù)：什么是分詞, 如何分詞搜索引擎會(huì)承認(rèn),這是一位朋友提的問(wèn)題，想必大家也聽說(shuō)過(guò)，很好奇，什么是分詞技術(shù)，什么又是百度分詞呢?分詞大家容易理解。就是一段詞用字符分開，比如標(biāo)點(diǎn)符號(hào)，空格等。

那什么叫分詞技術(shù)呢？

分詞技術(shù)就是SEO針對(duì)用戶提交查詢的關(guān)鍵串進(jìn)行的查詢處理后根據(jù)用戶的關(guān)鍵詞串用各種匹配方法進(jìn)行的一種技術(shù)。大家好好理解。那么我們要理解分詞技術(shù)先要理解一個(gè)概念。那就是查詢處理，當(dāng)用戶向搜索引擎提交查詢后，搜索引擎接收到用戶的信息要做一系列的處理。

首先是到數(shù)據(jù)庫(kù)里面索引相關(guān)的信息，這就是查詢處理，那么查詢處理又是如何工作的呢？很簡(jiǎn)單，把用戶提交的字符串沒(méi)有超過(guò)3個(gè)的中文字，就會(huì)直接到數(shù)據(jù)庫(kù)索引詞匯。超過(guò)4個(gè)中文字的，首先用分隔符比如空格，標(biāo)點(diǎn)符號(hào)，將查詢串分割成若干子查詢串。舉個(gè)例子?！笆裁词前俣确衷~技術(shù)” 我們就會(huì)把這個(gè)詞分割成“ 什么是，百度，分詞技術(shù)。”這種分詞方法叫做反向匹配法。

然后再看用戶提供的這個(gè)詞有沒(méi)有重復(fù)詞匯。如果有的話，會(huì)丟棄掉，默認(rèn)為一個(gè)詞匯。接下來(lái)檢查用戶提交的字符串，有沒(méi)有字母和數(shù)字。如果有的話，就把字母和數(shù)字認(rèn)為一個(gè)詞。好了，這就是SEO的查詢處理。

講了查詢處理后，大家對(duì)分詞技術(shù)，尤其是中文分詞技術(shù)有了一個(gè)基本的了解。其實(shí)我講的都是搜索引擎的原理。好了，我接下來(lái)講分詞的原理。我們用百度來(lái)舉例，百度是如何來(lái)分詞的呢？分詞技術(shù)現(xiàn)今非常成熟了。他分為3種技術(shù)。

1.字符串匹配的分詞方法

2.詞義分詞法。

3.統(tǒng)計(jì)分詞法。

四、字符串匹配的分詞方法（分三種）

1.正向最大匹配法

什么意思呢？就是把一個(gè)詞從左至右來(lái)分詞。舉個(gè)例子，“不知道你在說(shuō)什么”這句話采用正向最大匹配法是如何分的呢？“不知道，你，在，說(shuō)什么”與正向最大匹配法相對(duì)應(yīng)的是反向最大匹配發(fā)。這是第二種分詞方法。

2. 反向最大匹配法

上面我舉的例子是如何分的呢 "不知道你在說(shuō)什么"。反向最大匹配法來(lái)分上面這段是如何分的。“不，知道，你在，說(shuō)，什么”，這個(gè)就分的比較多了，反向最大匹配法就是從右至左。

3.就是最短路徑分詞法

這個(gè)怎么理解呢 ，就是說(shuō)我一段話里面要求切出的詞數(shù)是最少的。還是上面那句話“不知道你在說(shuō)什么”最短路徑分詞法網(wǎng)站開發(fā)就是指，我把上面那句話分成的詞要是最少的。不知道，你在，說(shuō)什么，這就是最短路徑分詞法，分出來(lái)就只有3個(gè)詞了 。好了，當(dāng)然還有上面三種可以相互結(jié)合組成一些分詞方法。比如正向最大匹配法和反向最大匹配法組合起來(lái)就可以叫做雙向最大匹配法。

五、詞義分詞法

這種其實(shí)就是一種機(jī)器語(yǔ)音判斷的分詞方法。很簡(jiǎn)單，進(jìn)行句法、語(yǔ)義分析，利用網(wǎng)站優(yōu)化句法信息和語(yǔ)義信息來(lái)處理歧義現(xiàn)象來(lái)分詞，這種分詞方法，現(xiàn)在還不成熟。處在測(cè)試階段。

六、統(tǒng)計(jì)的分詞方法

這個(gè)很簡(jiǎn)單，就是根據(jù)詞組的統(tǒng)計(jì)，就會(huì)發(fā)現(xiàn)兩個(gè)相鄰的字出現(xiàn)的頻率最多，那么這個(gè)詞就很重要。就可以作為用戶提供字符串中的分隔符。這樣來(lái)分詞。比如，“我的,你的，許多的，這里，哪里，那里”。等等，這些詞出現(xiàn)的比較多，就從這些詞里面分開來(lái)。

本文鏈接：http://www.sztqnet.com/article/1305.html