6 t; F5 {1 }# j! n8 U @/ v6 T3 a2 P& ?6 D8 Z
在中文分词实战之前我们还是了解一下中文分词的原理：中文分词的应用还是非常广泛，但是中文分词的匹配既简单又复杂，因为中文的同义词和近义词特别多，在一句话中分割时能够产生各种歧义。中文分词要保留原句的含义，又能很好的把这个词进行划分。分词分的好不好归根到底还是看词库的丰富量。
8 _- W9 ]: ?/ \% v& N比如搜狗拼音输入法就有丰富的词库，能够实时更新我们的词库，例如我们经常玩魔兽世界，那么通过简拼就能很好的输入我们想要的词，而且会智能联想，而且能记录我们的词频，让我们经常输入的词出现在最先的位置。其实想一想，输入法和搜索引擎还是有很多共同之处的。再比如就是前几年google刚刚进入中国市场的时候，根本是干不过百度的，因为百度词库的累积了好多年，具有本土化优势，google刚开始必须购买词库。百度只有合理的利用分词才能更好的匹配用户的需求。. _. a7 C$ T- J8 R# d& X6 Y- _
# ^& {9 @5 f% R3 Q/ O0 \1 i1 ~我们搜索“seo”这个词，我们会找到“百度为您找到相关结果约82,900,000个”个结果来参与排名，他是根据完全匹配找到的，可是并不是所有的内容都能找到这么多的完全匹配，比如长尾关键词，这时就考验了搜索引擎优化的功底了，因为长尾关键词没有完全匹配的内容，他就要去抓取相关性特别强的页面，这个时候就需要很强大的中文分词算法功能了。# ~' v3 m5 K _
比如我们在百度搜索“中文分词算法实战原理”，结果中有完全匹配也有不完全匹配，那搜索引擎到底是怎样匹配的呢？不管如何分词都有一个原则就是不能分出歧义词出来，也就是和改标题有明显冲突的关键词。比如不可以分成“中文分词算”和“法实战原理”，因为没人这样搜索，词库中没有这个词，是不满足用户需求的，也改变了本来的意思。
+ C. I, m6 }" ], {1 K中文分词的形式有：1.完全匹配“中文分词算法原理实战”；2.正向大化匹配“中文分词算法原理”“实战”或“中文分词算法”“原理实战”；3.反向最大化匹配“分词算法原理实战”“中文”；最大匹配就是优先出现最长的词，但是不能匹配没有出现的词；最小化匹配：“中文”“分词”“算法”“原理”“实战”，不能再小了。搜索引擎会优先最大化，然后最小化，主要是为了精准，比如搜索长尾关键词，一般最小化匹配的排名都靠后，完全匹配排名最靠前。
9 N1 V! g+ ^- p1 l# q+ `; ] N o本文由：今日新开传奇 www.51787.cn 负责整理，转载请注明，谢谢
% p7 w8 u* R9 ]
! C( a2 L( J4 R: m+ P/ @# ? | 
