国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 網站 > 建站經驗 > 正文

做網站要主要的百度分詞技術

2019-11-02 17:01:13
字體:
來源:轉載
供稿:網友
百度自稱是全球最大中文搜索引擎,最了解國內網民的搜索習慣,做為中國搜索引擎的老大,很多草根站長一直在研究的它的搜索技術和排名算法,還有不少站長兄弟姐姐還要靠它的流量吃飯,為此草根網站的站長們對它是又愛又恨,百度能帶來很大的流量,又會無情的K站或降權。  

  好的,那咱們說說百度的分詞技術,可能小弟有說的不對地方,請大家拍磚頭,希望大家共同進步。沒有研究百度分詞前不明白百度為什么比google強大.其實分詞也就是切詞,百度是否拿來一句中文字符串拿來隨便切一下呢,當然不會。那么怎么才滿足被切割的條件呢?通過下面的實驗就會發現如果字符串只包含小于等于3個中文字符的話,那就保留不動,比如:"牽引器"這個詞,前提是一個完整的詞,百度是不會切分的,當字符串長度大于4個中文字符的時候,百度的分詞程序就會啟動了。例如"牽引器價格",看看返回結果中標為紅字的地方,不難看出來,查詢已經被切割成“牽引器”,“價格”兩個單詞了,再試著換一個詞。例如:我們來看"衡水牽引器",百度里提交查詢一下,發現標紅的關鍵字都是每一個是"牽引器","衡水",連續出現的情況,可以看到將"牽引器"與"衡水"切分成兩個詞,如果我們搜"衡水助康醫療器械"呢,發現標題是沒有,網頁內容比較完整是"衡水助康醫療器械",可能是這個網站還沒收錄的原故,這個長尾詞被切成了"衡水"/"康醫療器械".  

  那現我們在來研究一下百度是分詞算法,通過幾年的發展,百度的分詞算法已經算是相當成熟了,這其中也少不了SEOER 的功勞,有一位SEOER的前輩說過:"百度的算法有簡單的有復雜的,有正向最大匹配,反向最大匹配,雙向最大匹配,語言模型方法,最短路徑算法等等,有興趣的可以用GOOGLE去搜索一下以增加理解。“讓我們總結一下吧,這里面也有我個人的猜測, 百度擁有一個強大的詞匯數據庫,里面有我們通用所用的各種詞語比如"人名,地名,產品的名稱",舉個例子"王元哲","衡水","牽引器",這些都是詞庫中有的,在切詞時將專有名稱切出,如"助康"這個詞,詞庫中沒有,下面的采用雙向最大匹配分詞算法,假如正向和反向匹配分詞結果一致當然最好,就可直接輸出即可;如果兩者不一致,正向匹配一種結果,反向匹配一種結果.  

  百度一直自稱是全球最大中文搜索引擎,但分詞技術也并無特殊,也許就是因為百度擁有一個超大的專用詞典,這個專用詞典登錄了人名(比如壓濾機),廠家名稱(比如壓濾機生產廠),部分地名(比如阜城等),網址(http://www.xiaoshuo8.net/),并且這個詞典在不斷的擴充一些新詞,一些新詞不斷的被收錄,這就比google強大的一個方面,google在于分詞來說,及詞庫明顯比不上百度,這正是google本身要加強的地方. 
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 修水县| 荥经县| 徐州市| 平安县| 翁源县| 广饶县| 彰武县| 嘉善县| 宁南县| 子长县| 浦县| 广昌县| 罗江县| 临清市| 伊春市| 扶风县| 安乡县| 棋牌| 巫溪县| 罗山县| 吉木萨尔县| 永康市| 体育| 德兴市| 桃江县| 乌什县| 武平县| 滨州市| 上栗县| 瑞安市| 宁国市| 青浦区| 靖江市| 吴江市| 双鸭山市| 涟水县| 青神县| 朔州市| 大英县| 体育| 松桃|