浙江seo固執的認為做seo需要從底層入手，了解搜索引擎中文分詞技術(shù)，能幫助我們理解seo技術(shù)的本質(zhì)，更好的對網(wǎng)站進(jìn)行優(yōu)化。另外，除開(kāi)本文提到分詞技術(shù)外，其他的諸如搜索引擎原理等，也是必備的需要掌握的知識點(diǎn)。

    如果你想成為一名專(zhuān)業(yè)的浙江SEO，那么浙江seo認為搜索引擎分詞思維是必須掌握的，因為只有掌握了分詞思維，你才可以定位好搜索引擎喜歡，而且用戶(hù)也喜歡的關(guān)鍵詞，進(jìn)而才能更深層次的挖掘出浙江SEO技術(shù)。

    也許有一些新手朋友看起來(lái)中文分詞的分詞理論比較復雜，但你完全同必要詞那些理論，沒(méi)有太多的意義，你只要知道計算方法和如何去做好每個(gè)網(wǎng)頁(yè)分詞就可以了，現在就為大家詳細的介紹一下百度的中文分詞技術(shù)。

一、中文分詞是什么？

    浙江seo從相關(guān)渠道獲悉，百度分詞技術(shù)就是百度針對用戶(hù)提交查詢(xún)的關(guān)鍵詞串進(jìn)行的查詢(xún)處理后根據用戶(hù)的關(guān)鍵詞串用各種匹配方法進(jìn)行的一種技術(shù)。

    中文分詞指的是將一個(gè)漢字序列切分成一個(gè)一個(gè)單獨的詞，分詞就是將連續的字序列按照一定的規范重新組合成詞序列的過(guò)程，所謂分詞就是把字與字連在一起的漢語(yǔ)句子分成若干個(gè)相互獨立、完整、正確的單詞，詞是最小的、能獨立活動(dòng)的、有意義的語(yǔ)言成分。

    我們知道，在英文的行文中，單詞之間是以空格作為自然分界符的，而中文只是字、句和段能通過(guò)明顯的分界符來(lái)簡(jiǎn)單劃界，唯獨詞沒(méi)有一個(gè)形式上的分界符，雖然英文也同樣存在短語(yǔ)的劃分問(wèn)題，不過(guò)在詞這一層上，中文比之英文要復雜的多、困難的多。

    中文分詞是文本挖掘的基礎，對于輸入的一段中文，成功的進(jìn)行中文分詞，可以達到電腦自動(dòng)識別語(yǔ)句含義的效果。

    中文分詞技術(shù)屬于自然語(yǔ)言處理技術(shù)范疇，對于一句話(huà)，人可以通過(guò)自己的知識來(lái)明白哪些是詞？哪些不是詞？但如何讓計算機也能理解？其處理過(guò)程就是分詞算法。

    計算機的所有語(yǔ)言知識都來(lái)自機器詞典(給出詞的各項信息)、句法規則(以詞類(lèi)的各種組合方式來(lái)描述詞的聚合現象)以及有關(guān)詞和句子的語(yǔ)義、語(yǔ)境、語(yǔ)用知識庫，中文信息處理系統只要涉及句法、語(yǔ)義(如檢索、翻譯、文摘、校對等應用)，就需要以詞為基本單位，當漢字由句轉化為詞之后，才能使得句法分析、語(yǔ)句理解、自動(dòng)文摘、自動(dòng)分類(lèi)和機器翻譯等文本處理具有可行性，可以說(shuō)，分詞是機器語(yǔ)言學(xué)的基礎。

二、浙江seo詳解分詞的思路及原理。

    首先我們要知道搜索引擎工作原理是把每個(gè)網(wǎng)頁(yè)的內容按詞來(lái)錄入到數據庫，比如你的文章標題是：“SEO博客提供浙江SEO實(shí)戰培訓教程”，那么搜索引擎分把這個(gè)標題分成搜索引擎字典已經(jīng)存儲的詞和用戶(hù)常關(guān)注的詞，比如：、SEO、博客，培訓，提供，免費，SEO教程，SEO實(shí)戰培訓，免費SEO教程，免費SEO培訓和SEO培訓等等。

    主要大家能領(lǐng)悟這種思維就可以了，所以文章句子分割成每個(gè)詞或者單個(gè)字是搜索引擎要做的第一頁(yè)，也是最重要的一步，因為只有詞分好了，才能準確地把價(jià)值的信息反饋給用戶(hù)。

    對于一個(gè)專(zhuān)業(yè)的網(wǎng)站優(yōu)化人員來(lái)說(shuō)中文分詞的方法也十分的重要，因為主有把要優(yōu)化的每個(gè)詞好了分詞后，才能更好的做好每個(gè)網(wǎng)頁(yè)的優(yōu)化工作，才能更清楚的告訴搜索引擎我這網(wǎng)站是代表什么來(lái)提高搜索引擎排名的機會(huì )，同時(shí)也清楚告訴用戶(hù)，你的網(wǎng)頁(yè)要表達的內容，這是做浙江SEO服務(wù)以來(lái)體會(huì )最深刻的地方，往往一個(gè)網(wǎng)頁(yè)的分詞錯了，再多的努力都是白費，因為做SEO推廣的企業(yè)是非常講究效率的，效率低意味意投資與回報率太低，是企業(yè)資源沒(méi)有合理利用的一個(gè)錯誤策略。

三、中文分詞技術(shù)在搜索引擎中有哪些應用？

    在自然語(yǔ)言處理技術(shù)中，中文處理技術(shù)比西文處理技術(shù)要落后很大一段距離，許多西文的處理方法中文不能直接采用，就是因為中文必需有分詞這道工序，中文分詞是其他中文信息處理的基礎，搜索引擎只是中文分詞的一個(gè)應用，其他的比如機器翻譯（MT）、語(yǔ)音合成、自動(dòng)分類(lèi)、自動(dòng)摘要、自動(dòng)校對等等，都需要用到分詞。

    因為中文需要分詞，可能會(huì )影響一些研究，但同時(shí)也為一些企業(yè)帶來(lái)機會(huì )，因為國外的計算機處理技術(shù)要想進(jìn)入中國市場(chǎng)，首先也是要解決中文分詞問(wèn)題。

    分詞準確性對搜索引擎來(lái)說(shuō)十分重要，但如果分詞速度太慢，即使準確性再高，對于搜索引擎來(lái)說(shuō)也是不可用的，因為搜索引擎需要處理數以?xún)|計的網(wǎng)頁(yè)，如果分詞耗用的時(shí)間過(guò)長(cháng)，會(huì )嚴重影響搜索引擎內容更新的速度。因此對于搜索引擎來(lái)說(shuō)，分詞的準確性和速度，二者都需要達到很高的要求。

四、特殊性。

    據了解，在計算機網(wǎng)絡(luò )上，之所以存在中文分詞技術(shù)，是由于中文在基本文法上有其特殊性，浙江seo歸納出的特殊性具體表現在：

    1、與英文為代表的拉丁語(yǔ)系語(yǔ)言相比，英文以空格作為天然的分隔符，而中文由于繼承自古代漢語(yǔ)的傳統，詞語(yǔ)之間沒(méi)有分隔。

古代漢語(yǔ)中除了連綿詞、人名和地名等，詞通常就是單個(gè)漢字，所以當時(shí)沒(méi)有分詞書(shū)寫(xiě)的必要，而現代漢語(yǔ)中雙字或多字詞居多，一個(gè)字不再等同于一個(gè)詞。

    2、在中文里，“詞”和“詞組”邊界模糊，現代漢語(yǔ)的基本表達單元雖然為“詞”，且以雙字或者多字詞居多，但由于人們認識水平的不同，對詞和短語(yǔ)的邊界很難去區分。

例如：“對隨地吐痰者給予處罰”，“隨地吐痰者”本身是一個(gè)詞還是一個(gè)短語(yǔ)，不同的人會(huì )有不同的標準，同樣的“海上”“酒廠(chǎng)”等等，即使是同一個(gè)人也可能做出不同判斷，如果漢語(yǔ)真的要分詞書(shū)寫(xiě)，必然會(huì )出現混亂，難度很大。

    中文分詞的方法其實(shí)不局限于中文應用，也被應用到英文處理，如手寫(xiě)識別，單詞之間的空格就很清楚，中文分詞方法可以幫助判別英文單詞的邊界。

五、分詞算法的分類(lèi)。

    現有的分詞算法可分為三大類(lèi)：基于字符串匹配的分詞方法、基于理解的分詞方法和基于統計的分詞方法，按照是否與詞性標注過(guò)程相結合，又可以分為單純分詞方法和分詞與標注相結合的一體化方法。

1、基于字符串匹配的分詞方法

    這種方法又叫做機械分詞方法，它是按照一定的策略將待分析的漢字串與一個(gè)“充分大的”機器詞典中的詞條進(jìn)行配，若在詞典中找到某個(gè)字符串，則匹配成功（識別出一個(gè)詞）。

按照掃描方向的不同，串匹配分詞方法可以分為正向匹配和逆向匹配；按照不同長(cháng)度優(yōu)先匹配的情況，可以分為最大（最長(cháng)）匹配和最小（最短）匹配；常用的幾種機械分詞方法如下：

（1）、正向最大匹配法（由左到右的方向）

    首先粗分，按照句子把文本切成一個(gè)一個(gè)句子，然后把每個(gè)句子切成單字，字典按照樹(shù)形結構存儲，比如這句話(huà)“春天還會(huì )遠嗎”首先查找“春”字開(kāi)頭的詞，然后按照字典樹(shù)形結構往下走一個(gè)節點(diǎn)，查找“春”后面一個(gè)字是“天”的詞，然后又下沉一個(gè)節點(diǎn)，找“還”下面是“會(huì )”的詞，找不到了，查找就結束。

（2）、逆向最大匹配法（由右到左的方向）

    就是朝相反的方向發(fā)掘可以匹配的文字，比如網(wǎng)上商城這個(gè)文字串，那么會(huì )向左延伸在網(wǎng)上的前面會(huì )出現的結果是區域性的文字，比如上海或者北京等，在商城的前面會(huì )出現更精準的定義文字符，比如愛(ài)家，女人等專(zhuān)屬性強的文字符。

（3）、最少切分法

    使每一句中切出的詞數最小，還需通過(guò)利用各種其它的語(yǔ)言信息來(lái)進(jìn)一步提高切分的準確率。

（4）、雙向最大匹配法（進(jìn)行由左到右、由右到左兩次掃描）

    正向最大匹配方法和逆向最大匹配方法結合起來(lái)構成雙向匹配法，就是向左右縱深挖掘比較匹配的結果值。

    還可以將上述各種方法相互組合，例如，可以將正向最大匹配方法和逆向最大匹配方法結合起來(lái)構成雙向匹配法，由于漢語(yǔ)單字成詞的特點(diǎn)，正向最小匹配和逆向最小匹配一般很少使用。

    一般說(shuō)來(lái)，逆向匹配的切分精度略高于正向匹配，遇到的歧義現象也較少，統計結果表明，單純使用正向最大匹配的錯誤率為1/169，單純使用逆向最大匹配的錯誤率為1/245，但這種精度還遠遠不能滿(mǎn)足實(shí)際的需要，實(shí)際使用的分詞系統，都是把機械分詞作為一種初分手段，還需通過(guò)利用各種其它的語(yǔ)言信息來(lái)進(jìn)一步提高切分的準確率。

    一種方法是改進(jìn)掃描方式，稱(chēng)為特征掃描或標志切分，優(yōu)先在待分析字符串中識別和切分出一些帶有明顯特征的詞，以這些詞作為斷點(diǎn)，可將原字符串分為較小的串再來(lái)進(jìn)機械分詞，從而減少匹配的錯誤率。

    另一種方法是將分詞和詞類(lèi)標注結合起來(lái)，利用豐富的詞類(lèi)信息對分詞決策提供幫助，并且在標注過(guò)程中又反過(guò)來(lái)對分詞結果進(jìn)行檢驗、調整，從而極大地提高切分的準確率。

    對于機械分詞方法，可以建立一個(gè)一般的模型，在這方面有專(zhuān)業(yè)的學(xué)術(shù)論文，這里不做詳細論述。

2、基于理解的分詞方法

    這種分詞方法是通過(guò)讓計算機模擬人對句子的理解，達到識別詞的效果，其基本思想就是在分詞的同時(shí)進(jìn)行句法、語(yǔ)義分析，利用句法信息和語(yǔ)義信息來(lái)處理歧義現象，它通常包括三個(gè)部分：分詞子系統、句法語(yǔ)義子系統、總控部分。

    在總控部分的協(xié)調下，分詞子系統可以獲得有關(guān)詞、句子等的句法和語(yǔ)義信息來(lái)對分詞歧義進(jìn)行判斷，即它模擬了人對句子的理解過(guò)程，這種分詞方法需要使用大量的語(yǔ)言知識和信息，由于漢語(yǔ)語(yǔ)言知識的籠統、復雜性，難以將各種語(yǔ)言信息組織成機器可直接讀取的形式，因此目前基于理解的分詞系統還處在試驗階段。

3、基于統計的分詞方法

    從形式上看，詞是穩定的字的組合，因此在上下文中，相鄰的字同時(shí)出現的次數越多，就越有可能構成一個(gè)詞，因此字與字相鄰共現的頻率或概率能夠較好的反映成詞的可信度，可以對語(yǔ)料中相鄰共現的各個(gè)字的組合的頻度進(jìn)行統計，計算它們的互現信息，定義兩個(gè)字的互現信息，計算兩個(gè)漢字X、Y的相鄰共現概率，互現信息體現了漢字之間結合關(guān)系的緊密程度，當緊密程度高于某一個(gè)閾值時(shí)，便可認為此字組可能構成了一個(gè)詞。

    這種方法只需對語(yǔ)料中的字組頻度進(jìn)行統計，不需要切分詞典，因而又叫做無(wú)詞典分詞法或統計取詞方法，但這種方法也有一定的局限性，會(huì )經(jīng)常抽出一些共現頻度高、但并不是詞的常用字組，例如“這一”、“之一”、“有的”、“我的”、“許多的”等，并且對常用詞的識別精度差，時(shí)空開(kāi)銷(xiāo)大。

    實(shí)際應用的統計分詞系統都要使用一部基本的分詞詞典（常用詞詞典）進(jìn)行串匹配分詞，同時(shí)使用統計方法識別一些新的詞，即將串頻統計和串匹配結合起來(lái)，既發(fā)揮匹配分詞切分速度快、效率高的特點(diǎn)，又利用了無(wú)詞典分詞結合上下文識別生詞、自動(dòng)消除歧義的優(yōu)點(diǎn)。

    另外一類(lèi)是基于統計機器學(xué)習的方法，首先給出大量已經(jīng)分詞的文本，利用統計機器學(xué)習模型學(xué)習詞語(yǔ)切分的規律（稱(chēng)為訓練），從而實(shí)現對未知文本的切分，我們知道，漢語(yǔ)中各個(gè)字單獨作詞語(yǔ)的能力是不同的，此外有的字常常作為前綴出現，有的字卻常常作為后綴（“者”“性”），結合兩個(gè)字相臨時(shí)是否成詞的信息，這樣就得到了許多與分詞有關(guān)的知識，這種方法就是充分利用漢語(yǔ)組詞的規律來(lái)分詞，這種方法的最大缺點(diǎn)是需要有大量預先分好詞的語(yǔ)料作支撐，而且訓練過(guò)程中時(shí)空開(kāi)銷(xiāo)極大。

    到底哪種分詞算法的準確度更高，目前并無(wú)定論，對于任何一個(gè)成熟的分詞系統來(lái)說(shuō)，不可能單獨依靠某一種算法來(lái)實(shí)現，都需要綜合不同的算法，例如，海量科技的分詞算法就采用“復方分詞法”，所謂復方，就是像中西醫結合般綜合運用機械方法和知識方法，對于成熟的中文分詞系統，需要多種算法綜合處理問(wèn)題。

六、搜索引擎分詞的技術(shù)難點(diǎn)。

    有了成熟的分詞算法，是否就能容易的解決中文分詞的問(wèn)題呢？事實(shí)遠非如此，中文是一種十分復雜的語(yǔ)言，讓計算機理解中文語(yǔ)言更是困難，在中文分詞過(guò)程中，有兩大難題一直沒(méi)有完全突破。

1、歧義識別

    歧義是指同樣的一句話(huà)，可能有兩種或者更多的切分方法，主要的歧義有兩種：交集型歧義和組合型歧義，例如：表面的，因為“表面”和“面的”都是詞，那么這個(gè)短語(yǔ)就可以分成“表面 的”和“表 面的”，這種稱(chēng)為交集型歧義（交叉歧義）。

    像這種交集型歧義十分常見(jiàn)，前面舉的“和服”的例子，其實(shí)就是因為交集型歧義引起的錯誤，“化妝和服裝”可以分成“化妝 和 服裝”或者“化妝 和服 裝”，由于沒(méi)有人的知識去理解，計算機很難知道到底哪個(gè)方案正確。

    交集型歧義相對組合型歧義來(lái)說(shuō)是還算比較容易處理，組合型歧義就必須根據整個(gè)句子來(lái)判斷了，例如，在句子“這個(gè)門(mén)把手壞了”中，“把手”是個(gè)詞，但在句子“請把手拿開(kāi)”中，“把手”就不是一個(gè)詞；在句子“將軍任命了一名中將”中，“中將”是個(gè)詞，但在句子“產(chǎn)量三年中將增長(cháng)兩倍”中，“中將”就不再是詞，這些詞計算機又如何去識別？

    如果交集型歧義和組合型歧義計算機都能解決的話(huà)，在歧義中還有一個(gè)難題，是真歧義，真歧義意思是給出一句話(huà)，由人去判斷也不知道哪個(gè)應該是詞，哪個(gè)應該不是詞，例如：“乒乓球拍賣(mài)完了”，可以切分成“乒乓 球拍 賣(mài) 完 了”、也可切分成“乒乓球 拍賣(mài) 完 了”，如果沒(méi)有上下文其他的句子，恐怕誰(shuí)也不知道“拍賣(mài)”在這里算不算一個(gè)詞。

2、新詞識別

    命名實(shí)體（人名、地名）、新詞，專(zhuān)業(yè)術(shù)語(yǔ)稱(chēng)為未登錄詞，也就是那些在分詞詞典中沒(méi)有收錄，但又確實(shí)能稱(chēng)為詞的那些詞。

    最典型的是人名，人可以很容易理解，句子“王軍虎去廣州了”中，“王軍虎”是個(gè)詞，因為是一個(gè)人的名字，但要是讓計算機去識別就困難了，如果把“王軍虎”做為一個(gè)詞收錄到字典中去，全世界有那么多名字，而且每時(shí)每刻都有新增的人名，收錄這些人名本身就是一項既不劃算又巨大的工程，即使這項工作可以完成，還是會(huì )存在問(wèn)題，例如：在句子“王軍虎頭虎腦的”中，“王軍虎”還能不能算詞？

    浙江seo總結到除了人名以外，還有機構名、地名、產(chǎn)品名、商標名、簡(jiǎn)稱(chēng)、省略語(yǔ)等都是很難處理的問(wèn)題，而且這些又正好是人們經(jīng)常使用的詞，因此對于搜索引擎來(lái)說(shuō)，分詞系統中的新詞識別十分重要，新詞識別準確率已經(jīng)成為評價(jià)一個(gè)分詞系統好壞的重要標志之一。