最近和朋友在討論百度分詞，看了很多網(wǎng)上關于百度分詞的一些實例，我們來對百度的分詞步驟進行一些猜測，我們不可能真正的了解只能說是猜測：

1. 判斷用戶提交字符串，如果為多個字符串，則通過空格，標點符號，等進行切割。

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)字當作獨立整體，并把這個整體當作切割負，進行前后切割。

3. 判斷切割后的詞組有無重復詞，有當作一個計算。

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

5. 對照特殊詞庫表進行提取，如果字符串中包含特殊詞進行單獨提取。

6. 進行正向分詞處理。

7. 進行反向分詞處理。

8. 正向分詞結果與反向分詞結果進行對比，如果結果一樣，直接輸出。

9. 如果結果不一樣，輸出最短路徑（詞數(shù)最少的）進行輸出。

10. 如果長度一樣進行則輸出單子最少的結果。

11. 如果單子最少結果一樣，則輸出正向分詞結果。

針對百度索引提示，糾錯原理。

1.判讀詞組，1個字的詞不進行提示，大于1個字開啟提示功能。

1.進行同音字提示，如果詞數(shù)過多，提取用戶搜索最多詞組進行提示。

除以上外，我們還需要注意一點，那就是現(xiàn)在分詞中進行了語意相關結合：

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

比如我們搜索太原，我們會發(fā)現(xiàn)太原與太原市都進行了飄紅。

搜索英文car，car與汽車都進行了飄紅。

我的小站www.6cs.net（2011時尚冬裝）歡迎指點。（轉載請保留）

標簽： 百度分詞技術 關鍵詞優(yōu)化 長尾關鍵詞挖掘 

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