网站优化的每一个细节我们都要注意的，一些中文词语我们都要多留心下，多注意和分析，对网站优化有一定好处的，现在网站竞争激烈，搜索引擎更新很是频繁，所以我们要抓住每一个细节。( A+ t: s6 B0 R! k( d V8 e2 U5 V
分词就是把字与字连在一起的汉语句子分成若干个相互独立、完整、正确的单词。词是最小的、能独立活动的、有意义的语言成分。计算机的所有语言知 识都来自机器词典(给出词的各项信息) 、句法规则(以词类的各种组合方式来描述词的聚合现象) 以及有关词和句子的语义、语境、语用知识库。中文信息处理系统只要涉及句法、语义(如检索、翻译、文摘、校对等应用) ,就需要以词为基本单位。当汉字由句转化为词之后,才能使得句法分析、语句理解、自动文摘、自动分类和机器翻译等文本处理具有可行性。可以说,分词是机器 语言学的基础。+ j2 ]9 e, f! K; J5 M
分词准确性对搜索引擎来说十分重要,但如果分词速度太慢,即使准确性再高,对于搜索引擎来说也是不可用的,因为搜索引擎需要处理数以亿计的网页,如 果分词耗用的时间过长,会严重影响搜索引擎内容更新的速度。因此对于搜索引擎来说,分词的准确性和速度,二者都需要达到很高的要求。- v) j2 a. s" k, l
分词算法的三种主要类型
, W& M) T4 e' Z2 k" q 现有的分词算法可分为三大类:基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。
2 d4 a0 ~; s; t) n- k- N》基于字符串匹配的分词方法。
' x; Q3 w: b, |1 G+ Z2 @2 G, C8 L 这种方法又叫做机械分词方法,它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行匹配,若在词典中找到某个字符串,则匹配成功 (识别出一个词) 。按照扫描方向的不同,串匹配分词方法可以分为正向匹配和逆向匹配;按照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;按照是否与词性标注过程相结合,又可以分为单纯分词方法和分词与标注相结合的一体化方法。常用的几种机械分词方法如下:
0 K: T$ a) U/ z 正向匹配
9 Z8 Y8 v1 s2 w8 D+ Q 通常简称为MM法。其基本思想为:设D 为词典,MAX 表示D 中的最大词长,STR 为待切分的字串。MM 法是每次从STR 中取长度为MAX 的子串与D 中的词进行匹配。若成功,则该子串为词,指针后移MAX 个汉字后继续匹配,否则子串逐次减一进行匹配。
! k; @4 j% M5 w: T4 s7 u% ` 逆向匹配
' A% d$ ?+ p" O3 G6 A# I9 k0 Y$ q% k 通常简称为RMM 法。RMM 法的基本原理与MM 法相同,不同的是分词的扫描方向,它是从右至左取子串进行匹配。
3 G7 d: F1 @; O# \6 ?- g4 o 切分法
9 l8 I d6 C! f0 Y7 \2 M 还可以将上述各种方法相互组合,例如,可以将正向最大匹配方法和逆向最大匹配方法结合起来构成双向匹配法。由于汉语单字成词的特点,正向最小匹配和武汉白癜风http://www.hbbdf.cn逆向最 小匹配一般很少使用。一般说来,逆向匹配的切分精度略高于正向匹配,遇到的歧义现象也较少。统计结果表明,单纯使用正向最大匹配的错误率为1/169 ,单纯使用逆向最大匹配的错误率为1/ 245 。但这种精度还远远不能满足实际的需要。实际使用的分词系统,都是把机械分词作为一种初分手段,还需通过利用各种其它的语言信息来进一步提高切分的准确 率。
) U8 m6 v+ _. m3 E- l: N& H. b 我们在优化某一个词或关键字时，一定要优化好，不能三心二意，必须要有恒心。每天要有规律进行优化和更新，即使自己再忙也要把每天的优化做到位，只有这样才能让搜索引擎爱上你。比如今天我有事，但早上的优化一定要到位，就这么早起来弄个帖子并发出来就是这个道理的。春菇街的世界排名不断上升，只要坚持努力会有收获的。
; U* k0 z" F. a9 s" V% \ o
# m4 V" g5 R- d* W |
