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，快速为用户提供所需信息而使用的算法。

　　搜索引擎需要在单位时间内处理一个PB级的页面数据量，所以搜索引擎有一个中文词库。比如百度现在大约有9万个中文单词，所以搜索引擎可以分析上千亿个页面，按照中文词库进行分类。

　　百度分词基本上有3种方法

　　1、基于理解：傻瓜式匹配，小于等于3个汉字百度不会切词，比如搜索“大学堂”。

　　2、据统计：百度将一个词标记为红色的原因：红色标记的词一般是一个关键词。当你搜索“学习”这个词时，百度也认为自己是“学习”。有一个关键词，所以“学习”这个词出现红色，是百度的分词方法：基于统计分词。

　　3、 基于字符串匹配（百度的分词方式：前向最大词法切分）

　　最大最小（最大匹配：匹配到没有词匹配；最小匹配：匹配到一个词就停止匹配，从另一个词开始匹配） 例如：百度搜索“湖南大学屋顶”，一种分词算法百度的我们把它当成一个黑匣子。我们使用一些输入关键词根据百度的输出来确定百度的分词算法。正反（正：从前向后；反：从后到前）（湖南大学礼堂屋顶） 正向劈法：湖南大学礼堂屋顶（刘强奇法） 正向劈法：刘强地法。逆师法：刘强，法土。在这个词中，“地球”不是一个词。

　　另外，分词原理：百度有专有词库（密不可分），如杰出人物（如：*敏*感*词*）、明星（如：刘德华）、检索量大的词（如：票难买）。

　　当然，这些只是百度中文分词原理的一部分，并不全是正确的。因为百度的算法是不可能泄露的，如果你知道商业机密，那么百度就有N多。