虚子雨:百度分词技术研究与猜测
时间:2012年06月03日 内容来源: 互诺科技 浏览量:0

  百度搜索引擎在中文领域市场占有率第一的地位,严格来说是他有了一套非常好的分词技术。当然高深的分词技术我们是无法探知的。但我们可以从一些表面的一些“管”来窥其里面的“豹”。今天杭州SEO就为大家谈一谈关于百度分词的一点点基本的猜测。

  首先我们要了解百度分词的条件,并不是所有的词都会有分词产生,例如我们搜索“大学生”,返回的结果,我们会看到精准匹配,那么百度就对这个词没有进行了分词处理,看下图:

  

 

  而我们搜索“电影下载”,百度就会将这些词拆分为“电影”、“下载”和“电影下载”,如下图:

  

 

  于是有朋友猜测会不会百度以三个中文字为限,开始实施分词呢?大家可以多次测试一下,这种说法是相当有市场的,但是后面我又搜索关键词的时候发现一个问题,如果一个词已经被百度词库收为一个单独的词,那么不管他多么长,百度也会先推荐精准匹配网页,然后推荐分词匹配网页。

  例如大家搜索“不管你们信不信”,一般来说这样的句子肯定是要被分词处理的,但是因为去年动车事件,这个句子已经成为大家常用的词语,百度也已经对这个词比较认可了,将他收入词库中,那么它就可以实现精准匹配。如下图,网页标题中都是精准匹配,未见分词匹配:

  

 

  结论猜测:用户搜索某个关键词,百度会根据自己词库先进行精准匹配,如果这个词是很常用的词,在自己词库中已经建立词条的词,那么百度就会调用相关的网页结果,如果词库中不存在就进行分词处理,得出的搜索结果也会产生一些分词处理情况,至于结果排名影响因素比较多,比如网站的权重会影响到搜索的结果排名,具体的需要深入分析,这里就不班门弄斧了。

  本文由杭州SEO(http://www.soxunseo.com)网编发表,欢迎大家转载,转载时请保留此链接,谢谢合作!