百度搜索引擎优化原理(什么是百度中文分词算法？百度分词基本有三种分法)

　　百度搜索引擎优化原理(什么是百度中文分词算法？百度分词基本有三种分法)

　　百度中文分词算法：指搜索引擎为了更好地识别用户需求，快速为用户提供需求信息而使用的算法。

　　搜索引擎单位时间要处理PB级的页面数据，所以搜索引擎就有了中文词汇。例如，百度现在大约有9万个中文单词，搜索引擎可以分析数千亿个页面，并根据中文单词数据库对其进行分类。

　　百度分词基本有三种方法

　　1、基于理解：傻瓜式匹配，小于等于3个汉字，百度不做分词，比如搜索“大学堂”。

　　2、据统计：百度把一个词标红的原因：标红的词通常是一个关键词。当您搜索“学习”一词时，百度也将其视为“学习”。一个 关键词，所以“学习”这个词显示为红色。这就是百度分词：基于统计的分词。

　　3、 基于字符串匹配（百度的词法切分：前向最大词法切分）

　　最大和最小（最大匹配：匹配到没有要匹配的词；最小匹配：匹配一个词时停止匹配，然后从另一个词开始匹配） 例如：百度搜索“湖南大学堂屋顶”，一个分词百度的算法我们把它当作一个黑盒子，根据百度的输出结果，使用一些输入关键词来确定百度的分词算法。正反（前进：从前到后匹配；反向：从后到前匹配）（湖南大学堂屋顶） 前进法：湖南大学堂屋顶（刘强地法） 前进法：刘强地法。逆分法：地法之刘强。在这个词中，“地球”不是一个词。

　　另外，分词原理：百度拥有显赫人物（如*敏*感*词*）、明星（如刘德华）等专有词汇（这是分不开的）检索大量词（如：难买票）。

　　当然，这些只是百度中文分词原理的一部分，并不都是正确的。因为百度的算法是不可能泄露的，如果商业秘密让你知道，那岂不是因为百度多了N个。