建网站请先了解百度的分词技术
作者：中万网络
文章来源：中万网络
更新时间：2014-10-16
众所周知，百度是全球最大的搜索引擎，自然的它也最了解中国网名的搜索习惯，同时它作为中国搜索引擎的老大，它的排名方法和搜索技术就在被很多草根站长研究，因为还有很多站长们要靠它的流量吃饭，所以，草根网站的站长们对百度是又爱又恨，因为它不仅能带来很大的流量，又会无情地k站或者降权。鉴于此，大家在做网站的时候了解百度的分词技术就尤为重要了。下面我们就一起看看，希望对大家有所帮助。
当然可能小编有说的不对地方，请大家拍砖头，希望大家共同进步。没有研究百度分词前不明白百度为什么比google强大。其实分词也就是切词，百度是否拿来一句中文字符串拿来随便切一下呢，当然不会。那么怎么才满足被切割的条件呢？通过下面的实验就会发现如果字符串只包含小于等于3个中文字符的话，那就保留不动，比如：“牵引器”这个词，前提是一个完整的词，百度是不会切分的，当字符串长度大于4个中文字符的时候，百度的分词程序就会启动了。例如“牵引器价格”，看看返回结果中标为红字的地方，不难看出来，查询已经被切割成“牵引器”，“价格”两个单词了，再试着换一个词。例如：我们来看“中万网络”，百度里提交查询一下，发现标红的关键字都是每一个是“中万”，“网络”，连续出现的情况，可以看到将“中万”与“网络”切分成两个词，如果我们搜“北京中万网络”呢，发现标题是没有，网页内容比较完整是“北京中万网络科技有限公司”http://www.zw.cn），可能是这个网站还没收录的原故，这个长尾词被切成了“北京”/“中万网络”。
那现我们在来研究一下百度是分词算法，通过几年的发展，百度的分词算法已经算是相当成熟了，这其中也少不了SEOER 的功劳，有一位SEOER的前辈说过：“百度的算法有简单的有复杂的，有正向最大匹配，反向最大匹配，双向最大匹配，语言模型方法，最短路径算法等等，有兴趣的可以用GOOGLE去搜索一下以增加理解。”让我们总结一下吧，这里面也有我个人的猜测， 百度拥有一个强大的词汇数据库，里面有我们通用所用的各种词语比如“人名，地名，产品的名称”，举个例子“王元哲”，“衡水”，“牵引器”，这些都是词库中有的，在切词时将专有名称切出，如“助康”这个词，词库中没有，下面的采用双向最大匹配分词算法，假如正向和反向匹配分词结果一致当然最好，就可直接输出即可；如果两者不一致，正向匹配一种结果，反向匹配一种结果。
相信看了上面的文章，大家对百度分词技术有了一定得了解，慢慢发现其实百度的分词技术也并无特殊，可能因为百度拥有了一个超大的专用字典，这里面登录了人名、厂家名称、部分地名、网址等等，并且还在继续扩充新词还有一些新词不断被收录，或许这就是比Google强大的一方面吧。不管怎么说，希望大家在建站之前，都应该先了解百度的分词技术，这对于网站的推广时很有帮助的。
