最近和朋友在討論百度分詞，看了很多網(wǎng)上關(guān)于百度分詞的一些實(shí)例，我們來對(duì)百度的分詞步驟進(jìn)行一些猜測(cè)，我們不可能真正的了解只能說是猜測(cè)：

1. 判斷用戶提交字符串，如果為多個(gè)字符串，則通過空格，標(biāo)點(diǎn)符號(hào)，等進(jìn)行切割。

2. 判斷提交字符串中有無字母或者數(shù)字，如果有把字母與數(shù)字當(dāng)作獨(dú)立整體，并把這個(gè)整體當(dāng)作切割負(fù)，進(jìn)行前后切割。

3. 判斷切割后的詞組有無重復(fù)詞，有當(dāng)作一個(gè)計(jì)算。

4. 如果提交為一個(gè)字符串，判斷字符串字?jǐn)?shù)，大于4并等于4個(gè)字的進(jìn)行切割，如果小于4個(gè)字不進(jìn)行任何處理。

5. 對(duì)照特殊詞庫表進(jìn)行提取，如果字符串中包含特殊詞進(jìn)行單獨(dú)提取。

6. 進(jìn)行正向分詞處理。

7. 進(jìn)行反向分詞處理。

8. 正向分詞結(jié)果與反向分詞結(jié)果進(jìn)行對(duì)比，如果結(jié)果一樣，直接輸出。

9. 如果結(jié)果不一樣，輸出最短路徑（詞數(shù)最少的）進(jìn)行輸出。

10. 如果長(zhǎng)度一樣進(jìn)行則輸出單子最少的結(jié)果。

11. 如果單子最少結(jié)果一樣，則輸出正向分詞結(jié)果。

針對(duì)百度索引提示，糾錯(cuò)原理。

1.判讀詞組，1個(gè)字的詞不進(jìn)行提示，大于1個(gè)字開啟提示功能。

1.進(jìn)行同音字提示，如果詞數(shù)過多，提取用戶搜索最多詞組進(jìn)行提示。

除以上外，我們還需要注意一點(diǎn)，那就是現(xiàn)在分詞中進(jìn)行了語意相關(guān)結(jié)合：

舉個(gè)例子我們常常在搜索某些詞的時(shí)候會(huì)發(fā)現(xiàn)有些結(jié)果中并不是完全匹配的詞也進(jìn)行了飄紅。其實(shí)這種情況就是語意結(jié)合。我們可以理解為百度把相關(guān)詞表進(jìn)行了關(guān)聯(lián)，或者干脆進(jìn)行了表結(jié)合。造成了這種情況的出現(xiàn)。

比如我們搜索太原，我們會(huì)發(fā)現(xiàn)太原與太原市都進(jìn)行了飄紅。

搜索英文car，car與汽車都進(jìn)行了飄紅。

我的小站www.6cs.net（2011時(shí)尚冬裝）歡迎指點(diǎn)。（轉(zhuǎn)載請(qǐng)保留）

標(biāo)簽： 百度分詞技術(shù) 關(guān)鍵詞優(yōu)化 長(zhǎng)尾關(guān)鍵詞挖掘 

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。