首页 > SEO优化 > SEO如何学习关键词分词技术?

SEO如何学习关键词分词技术?

2019-04-01 SEO推广 SEO优化 0人评论 27714
 seo如何做好分词技术?如何分词能够满足搜索引擎?什么是百度分词?SEO是否有接触一些分词组件呢?从百度分词不难看出,分词是根据词义、词语、词频的方式,来决定搜索引擎对词语的捕捉。分词技术是搜索引擎对用户提交的关键词进行处理以后,根据用户的关键词串进行匹配的一种技术。虽然谷歌是这种技术的创始者,但由于中文比英文复杂得多,所以中文分词这方面还是百度领先。

中文分词一般为:字符串匹配、统计分词、词义分词。

 

第一种:字符串匹配分词

 

  这种分词技术又称之为机械分词方法,直白说就是扫描字符串,查询页面中字符串的子串和词相同,则视为匹配,该类分词一般会加入启发式规则,例如:正向/逆向最大化匹配、长词优化等方法。

 

  优势:匹配速度快,实现过程简单

 

  劣势:难以区分歧义词,匹配不精准

 

  案例:庖丁解牛分词器就是基于字符串匹配的分词

 

  例子:成都网络推广公司

 

  成都、成都网、推广、公司”“成都、推广网、公司”

 

  正向最大值匹配:把关键词从左到右进行匹配

 

  逆向最大值匹配:把关键词从右到左进行匹配

 

  最短路径分词法:搜索引擎提取文中词数最小值

 

SEO关键词分词技术

 

第二种:统计分词

 

  这类分词基于人工标注的词性和统计特征,对中文进行建模,即根据观测到的数据(标注好的语料)对模型参数进行估计,即训练。 在分词阶段再通过模型计算各种分词出现的概率,将概率最大的分词结果作为最终结果。常见的序列标注模型有HMM和CRF。

 

  优点:很好处理歧义和未登录词问题,效果比基于字符串匹配效果好

 

  缺点:需要大量的人工标注数据,较慢的分词速度

 

  相邻的字同时出现的次数越多,就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。

 

  可以对语料中相邻共现的各个字的组合的频度进行统计,计算它们的互现信息。定义两个字的互现信息,计算两个汉字X、Y的相邻共现概率。互现信息体现了汉字之间结合关系的紧密程度。

 

第三种:词义分词

 

  词义分词法:通过机器语音判定的分词方法,主要用以处理歧义现象。


标签:

发表评论

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

官方微信公众号
70755559
09:00 - 22:00
QQ客服: 70755559
客服邮箱: 678128@qq.com