網(wǎng)站優(yōu)化之baidu中文分詞算法大全
　　隨著搜索經(jīng)濟(jì)的崛起，人們開始越加關(guān)注全球(全世界)各大搜索引擎(Engine)（search engine）的性能、技術(shù)和日流量。作為公司，會(huì)根據(jù)搜索引擎的知名度以及日流量來選擇是否要投放廣告等;作為 普通網(wǎng)民，會(huì)根據(jù)搜索引擎的性能和技術(shù)來選擇自己喜歡的引擎查找資料;作為技術(shù)人員，會(huì)把有代表性的搜索引擎作為研究對象。 搜索引擎經(jīng)濟(jì)的崛起，又一次向人們證明了網(wǎng)絡(luò)所蘊(yùn)藏的巨大商機(jī)。網(wǎng)絡(luò)離開了搜索將只剩下空洞雜亂的數(shù)據(jù)，以及大量等待去費(fèi)力挖掘的金礦。
　　但是，如何設(shè)計(jì)一個(gè)高效的搜索引擎我們可以以百度所采取的技術(shù)手段來探討如何設(shè)計(jì)一個(gè)實(shí)用的搜索引擎。搜索引擎涉及到許多技術(shù)點(diǎn)，比如查詢處理(chǔ lǐ)，排序算法，頁面(webpage)抓取算法，CACHE機(jī)制，ANTI-SPAM等等。這些技術(shù)細(xì)節(jié)(detail)，作為商業(yè)（business）公司的搜索引擎服務(wù)提供商比如百度，GOOGLE等是不會(huì)公之于眾的。我們可以將現(xiàn)有的搜索引擎看作一個(gè)黑盒，通過(tōng guò)向黑盒提交輸入，判斷黑盒返回的輸出大致判斷黑盒里面不為人知的技術(shù)細(xì)節(jié)。
　　查詢處理與分詞是一個(gè)中文搜索引擎（search engine）必不可少的工作，而百度作為一個(gè)典型的中文搜索引擎一直強(qiáng)調(diào)其 ;中文處理 ;方面具有其它搜索引擎所不具有的關(guān)鍵（解釋:比喻事物的重要組成部分)技術(shù)和優(yōu)勢。佛山網(wǎng)站優(yōu)化公司所考慮的因素不僅僅是搜索引擎，也包括充分滿足用戶的需求特征、清晰的網(wǎng)站導(dǎo)航、完善的在線幫助等，在此基礎(chǔ)上使得網(wǎng)站功能和信息發(fā)揮最好的效果。也就是以企業(yè)網(wǎng)站為基礎(chǔ)，與網(wǎng)絡(luò)服務(wù)商、合作伙伴、顧客、供應(yīng)商、銷售商等網(wǎng)絡(luò)營銷環(huán)境中各方面因素建立良好的關(guān)系。那么我們就來看看百度到底采用了哪些所謂的核心技術(shù)。
　　網(wǎng)站優(yōu)化之百度分詞算法查詢處理
　　用戶向搜索引擎提交查詢，搜索引擎一般在接受到用戶查詢后要做一些處理，然后在索引數(shù)據(jù)庫(Database)里面提取相關(guān)的信息。那么百度在接受到用戶查詢后做了些什么工作呢?
　　假設(shè)用戶提交了不只一個(gè)查詢串
　　比如 ;信息(xìn xī)檢索 理論 工具 ;。那么搜索引擎（search engine）首先做的是根據(jù)分隔符比如空格，標(biāo)點(diǎn)符號，將查詢串分割成若干子查詢串，比如上面的查詢就會(huì)被解析為：《信息檢索，理論，工具》三個(gè)子字符串;這個(gè)道理簡單，我們接著往下看。
　　假設(shè)提交的查詢有重復(fù)的內(nèi)容，搜索（search)引擎怎么處理呢?
　　比如查詢 ;理論 工具 理論 ；百度是將重復(fù)（repeat)的字符串當(dāng)作只出現(xiàn)過一次，也就是處理成等價(jià)的 ;理論 工具 ；而GOOGLE顯然是沒有進(jìn)行歸并，而是將重復(fù)查詢子串的權(quán)重增大進(jìn)行處理。佛山網(wǎng)站優(yōu)化公司就是通過SEO技術(shù)使得我們網(wǎng)站在搜索引擎上的友好度和站內(nèi)用戶的良好體驗(yàn)度上升。這樣做的目的很簡單，就是為了讓我們的網(wǎng)站在搜索引擎的排名靠前并且得到很好的客戶轉(zhuǎn)換率。那么是如何得出這個(gè)結(jié)論的呢?我們可以將 ;理論 工具 ;提交給百度，返回341，000篇文檔，大致看看第一頁的返回內(nèi)容。OK。繼續(xù)，我們提交查詢 ;理論 工具 理論 ；在看看返回結(jié)果，仍然是那么多返回文檔，當(dāng)然這個(gè)不能說明太多問題，那看看第一頁返回結(jié)果的排序，看出來了嗎?順序完全沒有變化，而GOOGLE 則排序有些變動(dòng)，這說明百度是將重復(fù)的查詢歸并成一個(gè)處理的，而且字符串之間的先后出現(xiàn)順序基本不予考慮。
　　假設(shè)提交的中文查詢包含英文單詞，搜索引擎是怎么處理的?
　　比如查詢 ;電影BT下載 ；百度的方法(method)是將中文字符串中的英文當(dāng)作一個(gè)整體保留，并以此為斷點(diǎn)將 中文切分開，這樣上述的查詢就切為《電影，BT，下載》，不論中間的英文是否一個(gè)字典里能查到的單詞也好，還是隨機(jī)的字符也好，都會(huì)當(dāng)作一個(gè) 整體來對待。至于為什么，你用查詢 ;電影dfdfdf下載 ;看看結(jié)果就知道了。當(dāng)然如果查詢中包含數(shù)字，也是如此辦理。
　　到目前為止，一切很簡單，也很清楚，百度怎么處理用戶查詢的呢?
　　歸納如下：首先根據(jù)分割符號將查詢分開，然后看看是否有重復(fù)的字符（zì fú）串，如果有，就拋棄多余的，只保留一個(gè)，接著判斷是否有英文或者數(shù)字，如果有的話，把英文或者數(shù)字當(dāng)作一個(gè)整體保留并把前后的中文切開。
　　END
　　網(wǎng)站優(yōu)化之百度（BIDU）中文分詞原理圖
　　首先，講講百度的分詞時(shí)機(jī)或者條件問題，是否是個(gè)中文字符串百度就拿來切一下呢?非也，要想被百度的分詞程序榮幸的分割一下也是要講條件的，哪能是個(gè)字符串就切割啊?你當(dāng)百度是賣鋸條的么?
　　那么什么樣的字符串才滿足被切割的條件呢?