| 我们都知道不管是谷歌也好、还是百度也好，他们的性质是做搜索的，是为了方便网民在庞大的互联网中能尽快找到自己需求的信息，来解决自己的疑惑的，那么要完成这么庞大的搜索，肯定要借助各种各样的算法来完成尽量匹配度高的信息，推送给用户！百度的算法非常多，今天就来和大家聊聊关于中文分词算法，是借助于词性来区分搜索词匹配给用户！ 人家百度算法工程师在设计算法的时候需要考虑很多因素的、用户心理学、统计学、语法等等，虽然百度一直一来被人诟病，但是也是一直在努力改善搜索环境呀，要知道每天要处理百万级的网页、平均每天都有百万个网页诞生、互联网上的网页百亿级别的存在、这里如果都能遵循百度发布的搜索规则来维护网站也好，但是偏偏有很多人为了快采用作弊的手段来获取排名，所以百度每年都要出很多算法来打击这些作弊网站，还广大用户一个干净的搜索环境！ 这里有点跑题了，继续来说今天的主题中文分词算法 百度百科解释：中文分词(Chinese Word Segmentation) 指的是将一个汉字序列切分成一个个单独的词。分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。 想看详细一系列中文分词介绍的，可以去百度学术里面搜索相关的文献去阅读！ 这里就简单的和大家讨论一下关于网站优化中如何引用，包括我们万词排名系统做大量排名词上首页当中也是引用了中文分词，不然也不会有这么多词上首页了！ 看这两张图有什么发现，可以看到排上来网页内容中完全包含这个要搜索的关键词，所以这个关键词我们能搜索到，但是这个排名首页不光是完全匹配的因素，还包含很多其他因素例如url信任度、导入链接、网页布局等等，但是网页有这个内容就能更进一步影响这个排名！ 看这张图你们有什么发现，我们看快照的关键词匹配有三种颜色，由于下面的图片太大没有截全，想看的可以自己去搜索观看，说明我的这个网页中匹配了这个搜索词，虽然不是完全匹配但是能匹配上，这就是应用中文分词技术了，有的网页内容就那么多，如果你全部都是完全匹配你所优化的词那么久会造成堆砌，所以合理的利用中文分词，不仅可以获得其他大量关键词排名，还能保证不会刻意堆砌关键词，可以起到事半功倍的作用！ |