中文分词(ChineseWordSegmentation)指的是将一个汉字序列切分成一个一个单独的词。分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。我们知道,在英文的行文中,单词之间是以空格作为自然分界符的,而中文只是字、句和段能通过明显的分界符来简单划界,唯独词没有一个形式上的分界符,虽然英文也同样存在短语的划分问题,不过在词这一层上,中文比之英文要复杂得多、困难得多,所以中文词语分析可以说是中文信息处理的基础与关键。
如果你要成为一个专业的SEO技术人员,那么SEO搜索引擎分词思维你就需要掌握,只有你把这方面掌握好,你才能知道搜索引擎喜欢什么,才能更深一层的了解SEO技术。下面小编就来和大家探讨一下SEO详细分词思路和原理。
首先你要先掌握一下搜索引擎的工作原理是把每一个页面按照关键词来收录到数据库。就比如说你的文章的标题是“SEO网络优化需要怎么做有那些教程”搜索引擎就会把这个标题分成储存词和用户关注的词,比如:SEO、SEO优化、SEO教程等等。
这个主要就需要你自己去领悟一下这个思维了,所以搜索引擎要做的第一页就是把每一个关键词分割成为单个字,也是非常重要的一步,因为只有词分好了,才能把有价值的信息分享给用户。
一般而言,分词算法可分为三大类:基于字典、词库匹配的分词方法,基于词频度统计的分词方法和基于知识理解的分词方法。
常见的分词算法大致分为五大类:
1.逐词遍历法
逐词遍历法将词典中的所有词按由长到短的顺序在文章中逐字搜索,直至文章结束。
2.基于字典、词库匹配的分词方法
这种方法按照一定策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行匹配,若在词典中找到某个字符串,则匹配成功。识别出一个词,根据扫描方向的不同分为正向匹配和逆向匹配。根据不同长度优先匹配的情况,分为最大(最长)匹配和最小(最短)匹配。根据与词性标注过程是否相结合,又可以分为单纯分词方法和分词与标注相结合的一体化方法。
3.全切分和基于词的频度统计的分词方法
基于词的频度统计的分词方法是一种全切分方法。
4.基于知识理解的分词方法
该方法主要基于句法、语法分析,并结合语义分析,通过对上下文内容所提供信息的分析对词进行定界,它通常包括三个部分:分词子系统、句法语义子系统、总控部分。在总控部分的协调下,分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断。
5.并行分词方法
这种分词方法借助于一个含有分词词库的管道进行,比较匹配过程是分步进行的,每一步可以对进入管道中的词同时与词库中相应的词进行比较,由于同时有多个词进行比较匹配,因而分词速度可以大幅度提高。
作用到我们具体的SEO工作中,对象为文章标题和文章内容:
文章标题:
文章标题相对来说是页面和关键词相关度中最重要的部分,所以SEO人员常常会将大部分精力放在文章标题上,会将一篇文章对应的长尾关键词通过正向、逆向切分及所掌握的专业词汇进行词语提取,来进行分词。然后把切分出来的词语有机组合到文章标题中,目的就是在一个标题内覆盖尽可能多的搜索词。
文章内容:
对于文章内容来说,由于内容的文字较多,不像文章标题长度有限,所以没有那么多的局限性,可发挥的空间足够大,分词方法同文章标题。
之所以简单的介绍中文分词算法,是因为做为SEO人员或者编辑人员其实并不需要去对分词原理和技术进行详细的了解,只要对其原理有基本的认知,能进行分词的简单运用就可以了。
你要成为一个专业的网络优化人员就需要你对中文分词的方法了如执掌,因为只有在优化的时候把这些分词都分好,才能更好的把每一个页面的优化工作做好,才能更清楚的告诉搜索引擎我这网站是代表什么来提高搜索引擎排名的机会,同时也可以明确的告诉用户,你做这个网页是想表达什么意思,这是做SEO必须要去注意的,通常一个网页只是错了一个分词,导致技术人员不管在做什么都是徒劳,因为做SEO推广的企业是很在乎效率的,效率低意味意投资和回报的数目太低,是企业资源没有合理利用的一个错误策略。