最近有客戶問飛揚動力的站點除了把“太原網站制作、太原網站建設”等詞做上首頁，如何也把“山西網站建設、山西網絡公司”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，也都是自己的一些理解，有更多的想法歡迎交流。
做優化的都知道，搜索引擎工作原理中有一步預處理，將抓取的頁面進行幾道工序處理下，為之后的排名機制做好初步準備。在預處理過程中，就有分詞這一道技術工序。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計。
1、基于詞典匹配是指將目標詞或句與已有的詞典中的詞條進行匹配處理，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、基于統計是指分析大量數據樣本，掃描計算出字或詞或句出現的統計概率，幾個字鄉鄰出現越多，就越能形成一個詞，同樣的可以形成句。
基于詞典匹配準確性是取決于詞典的完整性和時效性，速度很快。基于統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糅合在一起使用，以提高速度和準確性。這是我們所說的中文分詞技術，那么同樣的基于這些中文分詞技術，我們要最大化利用，回歸太原網站建設上，談談飛揚動力對中文分詞技術的應用和揣測。
1、舉例：從關鍵詞“太原建站”會被拆分為“太原”+“建站”，“太原網站推廣”會被拆分“太原”+“網站”+“推廣”或者“太原”+“網站推廣”或者“太原網站”+“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用。百度搜索“太原建站”前20個結果頁中只有一個不是完全匹配，“太原網站推廣”前20個結果只有四個不是完全匹配
2、從關鍵詞“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計拆分為“山西SEO”+“太原”。依此，飛揚動力的標題就能拆分為“山西”+“網站推廣”、“山西”+“網站優化”。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過程中，除了主做關鍵詞外，還要做拆分的詞。
3、現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-太原網站推廣-太原網站優化”完全可以拆分為“山西SEO”+“太原SEO”+“山西網站推廣”+“太原網站推廣”+“山西網站優化”+“太原網站優化”。當然漢語的博大精深，目前的機器語言還是很難做到基于理解的分詞技術。
133 1343 5212