百度的seo如何做好分词技术?

　　如何分词能够满足搜索引擎?什么是百度分词?SEO是否有接触一些分词组件呢?从百度分词不难看出，分词是根据词义、词语、词频的方式，来决定搜索引擎对词语的捕捉。

　　中文分词一般为：字符串匹配、统计分词、词义分词。

　　首先一种：字符串匹配分词

　　这种分词技术又称之为机械分词方法，直白说就是扫描字符串，查询页面中字符串的子串和词相同，则视为匹配，该类分词一般会加入启发式规则，例如：正向/逆向较大化匹配、长词优化等方法。

　　优势：匹配速度快，实现过程简单

　　劣势：难以区分歧义词，匹配不精准

　　案例：庖丁解牛分词器就是基于字符串匹配的分词

　　例子：成都网络推广公司

　　“成都、成都网、推广、公司”“成都、推广网、公司”

　　正向较大值匹配：把关键词从左到右进行匹配

　　逆向较大值匹配：把关键词从右到左进行匹配

　　较短路径分词法：搜索引擎提取文中词数较小值

　　第二种：统计分词

　　这类分词基于人工标注的词性和统计特征，对中文进行建模，即根据观测到的数据(标注好的语料)对模型参数进行估计，即训练。 在分词阶段再通过模型计算各种分词出现的概率，将概率较大的分词结果作为较终结果。常见的序列标注模型有HMM和CRF。

　　优点：很好优化歧义和未登录词问题，效果比基于字符串匹配效果好

　　缺点：需要大量的人工标注数据，较慢的分词速度

　　相邻的字同时出现的次数越多，就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。

　　可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息。定义两个字的互现信息，计算两个汉字X、Y的相邻共现概率。互现信息体现了汉字之间结合关系的紧密程度。

　　第三种：词义分词

　　词义分词法：通过机器语音判定的分词方法，主要用以优化歧义现象。