SEO优化中中文分词技巧

       今天继续跟大家分享SEO心得，今天的话题是中文分词技术，这个也是SEO优化的一大环节，网站的分词处理得当将有利于目标关键词在搜索引擎中的排名。
9 a4 f$ T9 q8 ^/ S1 W& h& V0 Y- W
　　当今使用搜索引擎已**们查找信息的首选工具，撇开百度、谷歌、雅虎，随着搜索市场价值的不断增加，越来越多的公司开发出自己的搜索引擎，自然，搜索引擎技术也成为技术人员关注的热点。
4 G; o# q  d  a" x7 W1 X　　中文分词是将一句话或一个短语按照日常阅读习惯进行机械分解。英文分词是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。例如，我喜欢搜索引擎，分词的结果是：我|喜欢|搜索引擎。把中文的汉字序列切分成有意义的词，就是中文分词，有些人也称为切词。
　　1、交集型歧义
5 `% ]/ \! T0 q
. A4 T  e8 X! s　　假设“ABC”是一个由A、B、C三个汉字构成的字串，如果 “AB”、“BC”都是词，那么计算机在切分时可以把“ABC”切分为“AB/C”，也可以切分为“A/BC”。这种切分歧义称为交集型歧义。

　　2、组合型歧义
3 y' }$ z: N& d9 L& {/ W
　　如果“AB”是词、“ABC”也是词，那么产生的切分歧义称为组合型歧义。
+ e; ?) c9 g' b& U+ L7 W, c$ u' `
0 Q# H# K6 z( @/ o% Q* ]　　3、混和型歧义
5 j1 O% w. ^5 g- X
$ t- J" Q' @8 A8 F7 ^　　混和型歧义是包含交集型歧义和组合型歧义的切分歧义。
$ W3 A7 Q) S+ J5 Q
, @& [7 P+ ~! s. C& K　　目前解决这些问题主要通过字典和统计学的方法。
2 x7 A6 m3 x3 ^9 r2 w
& I1 B" [9 U! _4 h+ S) W　　首先我们先说说字典分词法。字典一般采用前缀树和后缀树的数据存储结构。什么是前缀树呢?其实就是我们把一个句子从左向右扫描一遍，遇到字典里有的词就标识出来，遇到复合词就找最长的词匹配，遇到不认识的字串就分割成单字词，于是简单的分词就完成了。后缀树就是从右向左扫描一遍。
" D6 X! e7 i6 U+ p8 I3 T+ V* S
9 V3 J0 U7 c# g: l" W0 _+ n: y　　统计学的方法，虽然字典分词已经解决了很多分词上出现的问题。但是面对很多新出的词汇，分词也面临着挑战。统计学的分词方式是基于概念和信息学方面的知识进行处理。基本原理就是寻找那些经常一同出现的字，总是相互的字很有可能构成一个词。
4 F. e1 `0 x$ d* p
　　到底哪种分词算法的准确度更高，目前并无定论。对于任何一个成熟的分词系统来说，不可能单独依靠某一种算法来实现，对于中文词的识别，需要综合多种算法来处理不同的问题。
, g0 y1 c" o2 N/ _

刚好遇到类似问题，看完这个帖子心里有底了

蹲了这么久，终于看到有价值的讨论，支持一下！

楼主太厉害了，整理得这么详细，必须支持

内容很干货，没有多余的废话，值得反复看

学习到了，之前一直没注意过这个点，受教了

这个思路很新颖，打开了新世界的大门，谢谢分享

这个分享太实用了，刚好能用到，感谢楼主！

分析得很透彻，很多细节都说到点子上了～

楼主辛苦了，整理这么多内容，必须点赞收藏