蒋鑫鹏教你如何做好中文分词难度分析？

　　蒋鑫鹏教你如何做好中文分词难度分析？

　　一、关于中文分词：1.中文分词的难度分析首先要说明的是：普通用户的搜索习惯与SEO完全不同，甚至更熟悉Internet搜索用户，并且就是这样。普通搜索用户是百度搜索的基本力量。首先要重复这一点的是江新鹏，他将重点放在百度搜索算法中的中文分词上。因为，对于像百度google这样的第二代搜索引擎，采用的搜索技术主要依赖于关键字进行匹配，并且用户对关键词的理解与机器程序对关键词的理解大不相同。在中文分词方面，百度击败了谷歌。这是百度赢得Google的关键因素之一。中文分词要比英文复杂得多。 （与中文分词同样麻烦的重要语言是日语，韩语和俄语。这也是Google。在这些领域无法取胜的原因一)，姜新鹏在此不再赘述。如果您有兴趣，可以研究一下拉丁文（以英语为例）句子与中文句子之间的区别，中文句子不仅同义词多，无常的词序，副词（除一个简单的例子是“百度排名如何”，“百度排名如何”，“百度排名如何”，“百度排名如何”，“百度排名如何”，“百度排名如何”百度排名”，“百度排名依据”，“百度排名”，“百度的搜索排名如何” ...这些短语和短句至少收录A含义“百度搜索结果的排名规则（原则） ）”，此外，每个句子还有其他含义，例如这些句子也收录“如何进行百度排名（达到此目标的方法）”“百度如何执行搜索排名（原理的实现过程）” ...以上述示例为例：当用户输入上述简短句子时（在大多数情况下，普通用户将百度视为灵丹妙药，因此搜索SEO对于此类不兼容的搜索行为），百度必须快速响应用户所需的结果。这时，百度面临的核心问题是：A.首先，我们必须知道用户正在搜索什么（语义分析，请参见“ 2”）； B.其次，由于百度的搜索方法仍主要基于关键词匹配技术，因此有必要对用户的搜索进行细分（下一段将分析百度的细分方式）； C.然后百度将通过分词来分离结果，进入数据库以检索匹配的快照； D.上一步仅是对其进行检索，并且第四部分必须进行排名。目前，挑战百度已不再是问题（尽管从SEO的角度来看，这一步骤确实非常困难。这五个步骤是将获得的结果返回给搜索页面供用户使用，并完成SEO广告的位置（百度竞价广告）的位置，以及如何适当宣传其产品（百度知道，百度图书馆...）SEO的文字有点混乱，顾问姜新鹏对未能找到更好的展示方式表示歉意。希望我的朋友们能够组织并发扬光大。

　　2.百度中文分词方法：百度的中文分词不仅是大量的用户搜索（这与Google不同，毕竟百度植根于中国文化并且对中文有更好的理解），而且还具有庞大的中文字典数据库支持和动态添加的技术，例如搜索热门词，搜索行为词的创建，[从百度算法的最新调整来看，百度比以前更重视用户搜索行为，也就是说，用户输入是第一个优先级，百度更正第二个优先级。 ，这一点很重要]让我们以用户搜索“百度排名如何”时的分词为例：A.自然分词：包括标点和由空格引起的分词。这是主要因素，例如“百度排名如何”。百度将这种搜索行为分为“百度”和“如何排名”。这是肯定的。要了解用户的搜索行为意图，首先，必须尊重用户的搜索行为； （根据实际战斗情况，这是SEO顾问姜新鹏。根据观察结果，很多SEO朋友可能没有注意到。在这里我提到B.中文词库细分：不难理解，“百度排名如何划分为” “百度”，“如何”和“排名”这几个词，因为这些是汉语词典中存在的单词，所以百度有巨大的汉语词典库支持，这并不难； C.分词结合了分词：B中的分词显然是不够的，必须更好地理解用户的意图，必须保证语义的连贯性，然后将这三个词组合为“百度排名如何”，“百度排名” +“排名” “百度排名” +“如何”；“如何排名” +“百度”这两个词是反向组合，重要程度首先是基于顺序原则，然后是反向顺序和双向序列词分割。基础的 分析和细分的原则是最小的细分。

　　以上三点是通常意义上的分词。此外，百度还需要处理更多麻烦的分词。请参阅以下几点。 D.分词：当用户搜索“百度排名”时，百度将无能为力，因为您不能说用户正在搜索“百度排名”，并且您必须尊重用户的搜索行为，因此您必须进一步翻译中文单词执行分词：“一百”，“度”，“诸如”，“他”和“排名”，然后组合分词以形成不同的短语以在数据库中进行匹配。 E.杂语/打字错误：如果有人搜索“如何为白度排序”，而实际上将“百度”错误键入为“白度”，则百度必须纠正这种错误。但是，根据最近的调整，百度不像以前那样通过单词义匹配来进行纠错[并且还准备了更多的纠错功能，以利用用户搜索后的浏览行为所积累的数据进行纠错]（例如，许多正在搜索的用户“白度”终于在“百度” 关键词页上花费了更多时间，然后百度将来对“白度”的搜索纠错将重点放在“百度”上！当然，这个词是姜新鹏的一个例子，实际上，百度搜索例如，请参考百度“美国标准车”视图，百度会提示或测试您“您正在寻找：美国标准车”），此外，百度还建议您通过搜索下拉框进行纠错，并在搜索页面底部显示“相关搜索”，百度知道（大量用户，这是对百度搜索的重要补充）进行纠错数据统计和纠错指导

　　F。新词：通常有两个新词来源：由于最近流行词的存在，将根据用户搜索行为积累的数据和在线热门词的监测数据，对该百度数据库进行调整和补充。 b。语言新词/用户创建的词，这主要是基于搜索行为积累的数据调整，并且还为某些语言新词的工作提供了补充。蒋新鹏再次补充说，百度实际上很累。它统计用户的每种搜索行为（当然，它是由机器程序记录的）：通常，它主要记录搜索关键词和页面访问的方式。 （通常是链接），每个页面的停留时间（以前不容易阅读，现在百度浏览cookis，百度帐号，IP记录，百度统计信息[如果网站安装了百度统计程序，百度实际上很聪明，使用各种输入方法网站，例如最近流行的百度共享按钮，该工具实际上是最大的*敏*感*词*]和大量的辅助统计工具），一般的计算是由百度提供的，他是在搜索了快照页面（首先打开哪个页面，哪个打开，长时间停留，最后离开百度的位置，百度对网页是否对用户有用的观点：停留在页面上最长的时间，最后，浏览此页面后离开百度是主要标准，其次，在这些页面的互动程度中，有一些因素起作用二、关于语义分析：实际上，我们必须要做的是说这段话已经是我了并在上一段中列出并列出。仅仅是区分“语义分析”和“分词”的检索行为。语义分析和分词是相辅相成的，语义分析更多地基于对分词和用户浏览行为数据的研究结论，如前所述，百度使用多种方法对用户行为进行大量计数，并基于这些行为以及搜索关键词的统计数据和输入法，分词支持和分词匹配。

　　毕竟，无论如何计算，百度仍然难以计算每天如此之多的网页和数十亿次的搜索行为（百度正在通过不断改进方法和完善机器来努力实现这一庞大的项目算法）。它使用流行搜索的抽样统计数据和其他搜索的随机统计数据来实现搜索语义分析（这是SEO顾问姜新鹏基于实战观察得出的假设推论）。百度最难捉摸的不是排名算法，而是语义分析算法，因为像SEO一样不了解百度的算法，百度也不了解搜索用户的搜索意图（所以百度一直在研究和调整。）就像SEO一直在研究，调整和改进相同的原因一样）。不可预测性是原因之一。更重要的是，这些计算不仅是文本，分词和匹配度的研究，而且还包括统计学，线性数学，逻辑，行为，心理学和许多其他学科的本质。结合该方法设计算法结构，并对其进行了不断的修复和改进。说到这种算法，百度对“*敏*感*词*基本算法”进行了描述，更不用说每种算法的学科本身的难度了，这是难以强制执行的SEO。他一直无法理解百度算法的根本原因。当然，作为一个努力工作的SEO，蒋新鹏也无法理解。如果他能听懂的话，其中大多数是数学或计算机天才或顶尖人才。在研究或发明消失之后，您仍然想追赶百度来寻找错误吗？更重要的是，百度本身对搜索结果的“人为干扰”和“垄断”提出了各种谴责，更不用说SEO继续为自己的利益排名。推荐低质量的信息，了解和理解搜索算法的优秀人才会更鄙视它。因此，在这里，如果您认为自己很棒，就不想做SEO。如果您了解SEO，则作者Jiang Xinpeng撰写了这篇文章文章的意图，那么您应该从SEM的网络运营和网络营销的高度看待SEO，而不是为了站在SEO面前而着眼SEO。半夜里的电脑。

　　还有很长的路要走，回到主题上，我无法做到与百度设计算法的能力相同。如果您可以从语义分析中挖掘出一些有助于SEO的东西，那么Jiang Xinpeng建议您可以学习和研究自己的工作。例如，江新鹏最近为上海智宝美规汽车提供网络运营服务时，他发现“美国汽车”一词受到越来越多的关注，并且对此进行了许多优化。 SEO或网站管理员都拒绝使用“ US standard car”一词，当用户搜索此词时，它可能衍生为“ US standard car”，“ US standard car SUV”，“ standard car SUV”，“ US standard SUV” 。 “美国管制的汽车销售”，“美国管制的汽车经销店”，“美国管制的汽车经销店”，“美国管制的汽车经销店”，“美国管制的汽车销售”，“美国管制的汽车*敏*感*词*代理”等其他衍生产品，甚至是“在哪里购买美国法规”，“上海在哪里销售美国汽车”，都是一条比较有意义的长尾词关键词。如果您了解了用户的搜索意图，然后定位了SEO，效果会更好。三、关于关键词匹配度：1. 关键词分词匹配的关键序列：这是江新鹏在结合实际的SEO操作和网民共享的基础上总结的，准确性不高，但一般的分词算法是“ 关键词比率”：计算页面信息中关键词的权重，通常包括以下参数：标题（网页标题），元描述（网页）描述/摘要），元关键字（网页关键词），网页H1〜H6标签，定位文字（按焦点和网页排名排序）位置），内容文本（突出显示的字体，大小，颜色，周围的背景或文本等，通常位置顺序是从左上角到右下角），图片和其他页面文件的HTML标记语言属性。

　　2. 关键词匹配度计算：分词后，应“搜索”短语中的关键词。如果一个单词与词组中的其他单词无关，则将删除匹配项，但是在计算匹配度时，其他单词仍被视为单词数。以“百度为名”进行分析：一般情况下，该搜索词分为“百度排名”；“百度排名”。 “百度如何” +“排名”； “百度排名” +“如何” ...：然后是“百度排名如何”“匹配度为100％，其次是“百度排名如何”，“百度排名如何”，“百度排名如何”， “百度排名如何”，“百度排名如何”；“百度排名”为1/3 + 1/3 = 2/3；“排名如何”的匹配度为1/2；“百度如何”的匹配度百度”是1/3 ...以上只是一个粗略的估计，具体的分词算法需要与相关的参数计算，如顺序优先级，逆序优先级，双优先级，最小切词量。 ..（由于姜新鹏的知识有限，特定算法受到限制，无法共享。这只是对朋友的基本思路的分析。此外，分词还收录很多标点符号，空格和单个字符，以供参考，等等）3.标题关键词匹配度：关键词标题的计算方法与标题本身的分词匹配中提到的方法相同。 n这里有两点：A.根据观察，在百度收录快照之后，应该在快照的存档中标记可能的分词和匹配数据（如果不是这种情况，那么百度搜索的效率就不会B.每次用户搜索百度时，都会进行分词，并且文件快照中的分词注释将使分词结果最大化。

　　此外，标题的识别长度通常被认为不超过80个字符（包括标点和空格，相当于中文字符的大约40个汉字），但是从百度搜索结果的快照标题来看，权重为根据权重有不同的限制，通常为60个字符，有些电台可以达到70个字符。多余的部分将替换为“„”，但这并不意味着百度未收录在计算中。对于“”，蒋新鹏将在标题中添加“ Zhibao US SUV”末尾，但是当您使用百度“ Zhibao US SUV”时，实际快照标题通常可以显示“ Zhibao US SUV”和标题超过显示的数量。该部分以省略该段之前和之后的形式显示。通常，如果没有特殊需要，建议不要超过可识别的80个字符，否则，它不仅会降低关键词的匹配程度，还会影响搜索引擎对快照的评分。 [执行标题网站因为页面很少，因此通常是很容易获得排名的主页。因此，必须仔细设置首页的标题。如果无法放下关键词将其放在说明的前面。另外，建议将站点名称的缩写放在后面，以确保焦点关键词位于前面并获得更好的匹配。网站名称标记为“ []”，虽然浪费了4个字符，但将在搜索结果中更加突出，可以吸引用户的注意力并提高网站的可见度和进入率。

　　顺便说一句，姜新鹏在*敏*感*词*中发现，如果频繁频繁地更新头部标签，功率会降低（通常，头部经过修改后会进入快照观察期，搜索结果）修改后的标题将延迟1〜3。等，根据页面内容中关键词的不同，外部链接锚文本中收录的关键词的更新程度和延迟时间也会有所不同），标头标签在一个月内被修改超过2次，百度抓取页面中的文本将直接用作描述摘要。对于标题经常更新的页面，Google将直接捕获在页面布局中突出显示的某个短语作为标题。 4.描述关键词匹配度：标题的计算方法类似，只是描述不会像标题那样被百度分割，而只是作为关键词的关键字和标题中的关键字，从而带来更多流量这页纸。大关键词的匹配计算，描述中关键词的匹配度基于顺序优先级的原理，并计算关键词在描述的所有字符中的比例和连贯性。描述是页面的摘要描述。 SEO儿童鞋必须遵守规则。不要堆叠无关的信息或页面文本中未收录的关键词，以免降低分数。说明通常最多接受200个字符，而百度快照通常显示约140个字符。蒋新鹏建议不要超过160个字符，因为这不仅会稀释关键词匹配程度，而且百度最近的算法调整都表明描述超出了快照显示。该零件将不再进行关键词匹配。

　　此外，描述摘要最适用于Zhibao American汽车，并且在最近进行算法调整后将不会显示（当然，情况可能是这样，仅供参考）。 5.关键字关键词匹配度：关键字似乎与百度不匹配，但百度关心的一件事是：不要在页面上不添加关键字之外的关键词。如果是这样，可能会想到作弊。对于Google来说尤其如此。谷歌比百度更严厉地欺骗关键词。关键字通常被识别为不超过100个字符。在这方面，蒋新鹏对Google理解到：关键字不能太多，并且必须与页面匹配。通常，页面容忍度的关键词大于10；对于百度而言，建议根据百度的权重（在网站站长工具或爱站网络测试中可用）关键词设计关键字的设计，并可以将加权词添加到关键字中。对于企业网站，由于标题和说明的限制，字数是有限的，不能容纳公司的全名。此时，请考虑在关键字中包括公司的全名和缩写，因为页面上的版权信息通常收录公司名称和缩写。 6. 关键词在页面内容中匹配：该页面内容不是针对单词分割计算的，但是标签中的单词分割和快照中存储的单词分割将在计算以下内容时与页面中收录的关键词匹配页面的比例，并计算整页中的字符数和比例。

　　页面关键词的重要性是H标签和其他重要标签。当然，在百度快照中，页面家族上显示的文本是标准的。通常，链接的锚文本收录关键词，并且页面突出显示。出现在该位置的关键词和以醒目方式（字体，颜色）显示的关键词将更为重要。应该根据特定页面对此进行分析。搜索引擎优化（SEO）朋友可以在搜索关键词结果关键词中显示匹配程度，其中*敏*感*词*最高，其次是红色，蓝色和绿色，可以直接查看百度快照。快照是存储在百度数据库中的静态网页，而不是真实网页，因此存在快照更新。从快照页面的源代码可以看出，百度快照仅记录页面的基本代码和文本文件，并存储照片和其他文件。实际快照中的图片是从页面文件收录的快照中记录的。文件地址被调用。百度快照的存在是每个人都在乎百度Express的更新的根本原因。因为如果不更新快照，将会降低获得排名的机会。此时，您网站的快照就像百度快照数据库中的快照一样。被遗弃的婴儿……此时，作者Jiang Xinpeng使我想起了他的观察结果：在过去，每个人都认为静态页面在搜索中更受欢迎。随着2. 0的不断发展和互联网社会化的趋势，似乎这正在重写并朝着相反的方向发展。静态页面和伪静态页面开始被搜索程序所厌恶。如果页面是静态的，则搜索引擎更有可能认为您的页面内容更新速度会变慢，这自然会影响收录的频率，蜘蛛访问的频率也已降低... 四、 关键词匹配操作案例分析上面大致描述了SEO姜新鹏对百度搜索中文分词和语义分析以及关键词匹配的理解，下面的示例着重介绍如何将网页与关键词进行匹配。

　　通常，SEO通常收到的任务是让客户/领导者到车站，指定几个关键词，然后再做，除了在head标签中添加关键字外，很多采集一些[相关文章，其余的似乎是每个工具的大量“外部链接制作”工作。一段时间以来，收录“”的混乱信息涌入了主要的论坛，博客，商店和机密信息。 „„（当然，蒋新鹏也很低俗，外部链接的操作大致相同，但基本上没有使用任何工具，并且尽可能减少了匹配度高且相关性强的网站，链接为目标）。实际上，SEO的更好方法是在执行排名优化操作之前，根据用户需求进行调查，分析和统计，然后跟进客户的其他需求，计划网站计划，并建立具有SEO意图的网站（由Zhongzhi Media提供），它已很好地集成到SEO流程中，因此SEO不会很累，并且很容易达到理想的效果。在上面的文章中，姜新鹏在服务中提到了客户上海智宝名车的例子。车站成立之初，中智传媒的客户专门*敏*感*词*美国标准的SUV。通过百度搜索索引，Google 关键词列表，百度相关搜索建议以及网站站长工具（），已进行了更详细的统计分析。最后，根据客户的主要美国标准奔驰，美国宝马，美国奥迪，美国卡宴，美国路虎，美国福特，美国丰田，美国林肯，美国GMC等，得出上述关键词（ [特别说明，关键词规划中还应考虑百度竞标的程度，页面数收录，首页结果页面的快照更新程度，以及确定困难程度的百度完整摘要，预算和工作量]）。

　　在网站设计项目中，中智传媒将产品展示栏设计为“美国汽车频道”，并将上述关键词依次分类为一个类别，并通过下拉菜单将其实现（姜新鹏提醒：关键词出现在导航栏的锚文本中非常重要，但是现在已经对其进行了优化，用户对关键词的数量有越来越多的要求，结合这种情况，姜新鹏建议应将导航设置为（在实际战斗中，以三河菜岗为例。其次，考虑了下拉列表菜单和最近流行的页面底部行导航）。在首页内容安排受限制的前提下，在相应列的底部放置关键词。页面URL辅助导航，将锚文本适当地集成到首页的文本信息中，并添加ALT属性到主图像。在标题设计中，当然，“美国标准车”是第一选择，其次，根据关键词顺序优先的原则，首页标题被设计为“美国标准车_美国标准车_美国标准车_美国标准宝马，宴会，美国标准的奥迪“智宝美标准汽车SUV””，因为标题中没有其他关键词，搜索量和值不是很高，因此将它们放在说明中，并在开始时在描述中，添加“上海至宝名车公司，顶级美国标准车*敏*感*词*商，豪华豪华SUV美国标准版经销垄断”，其中显示了公司名称，同时突出了公司的特色并体现了核心关键词“美国”。标准车”。下一个“美国标准BMW X5X6”，美国梅赛德斯·奔驰ML / GL系列，美国保时捷卡宴，美国奥迪Q7，美国路虎揽胜Evoque，美国林肯外交福特，美国丰田，美国GMC。

　　”

　　”是关键产品型号关键词的体现，例如“美标BMW X5”，“美标奥迪Q7”等。毕竟页面头文件的字符数限制，导致很多有限关键词无法体现，对于网站，中智传媒已完成了内部链的优化和每个页面的代码优化，并改进了网站上所有页面的标头标记以及该页面的其他标记和链接。页面，以确保每个页面的名称都不会重复。对于此页面上的“常规汽车频道”，标题采用“美国标准车，美国标准梅赛德斯·奔驰配置，豪华车SUV风格_智宝美标车频道”，核心关键词，页面焦点关键词，网站名称和页面名称在标题中表现良好，并且与列页面相对应的产品子页面都是通过在后台发布新产品来生成的。每个页面的标题和描述摘要被动态称为已发布产品的名称和摘要。联盟，则不再获得有价值的关键词流量。在智宝美国汽车新闻发布中，尽可能多地使用原创信息，并使用精美的图片和表格来提高信息在网络上的可读性。同样，我不要忘记以突出显示和链接文章的形式将关键词制作为锚文本，这更有利于网站内部链接的构造和丰富化，这在操作中很明显搜索效果。此外，新新闻的侧边权重是有限的关键词，在主页上调用最新新闻标题的方法是确保主页更新的好方法。