浅谈SEO中关键词分词技术

etjeremy

1、基于字符串匹配的分词方法
　　搜索引擎在接受用户搜索的时候第一个会判断用户搜索的“词”跟数据库里面的“词”是否匹配，匹配度如何来进行扫描;
　　按照输入的“关键词”或是“句子”不同长度优先匹配的情况，可以分为最大(最长)匹配和最小(最短)匹配;
　　1)正向最大匹配法(由左到右的方向);
　　例子：策恩“世界名鞋”推广大赛。
　　正向最大切分出的关键词是：策恩、世界名鞋淘宝客、推广大赛(不上图了，大家百度一下，然后查看快照即可)
　　2)逆向最大匹配法(由右到左的方向);这个跟第一点是一样的分词方式，只是关键词的前后顺序换过来，在搜索引擎数据库查询得到的结果是一样的。
　　3)最少切分(使每一句中切出的词数最小);
　　例子：策恩“世界名鞋淘宝客”推广大赛
　　最少切分出来的词是：策恩、世界、名鞋、淘宝客、推广、大赛;
　　4)双向最大匹配法(进行由左到右、由右到左两次扫描)
　　2、基于理解的分词方法
　　这种分词方法是通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。这种方法一直对抗着长期伪原创的做法，在09年一般的换换同义词，近义词的伪原创百度会收录，到了2010年伪原创的幅度需要做到更大才可以有效，在今年的六月底，百度的一次大更新过后，很多同学发现原来的采集的站，或是伪原创力度不大的网页内容被百度大量的放出来，不在收录，说明百度这一分词技术方法越来越成熟，越来越完善了。伪原创也是越来越难了。
　　3、基于统计的分词方法
　　从形式上看，词是稳定的字的组合，因此在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。搜索引擎通过这一方法在“下拉框”或是“相关搜索”中可以充分提现出来。最近几年大家发现很多网络公司有一项业务是【刷百度相关关键词】，当用户输入某个关键词的时候，我们可以做到指定在百度下拉框出现自己想要的关键词