您的位置: 双色球 > SEO教程 > SEO基础教程 > 正文

双色球规则:seo干货_百度分词技术 百度分词工具

双色球 www.wt5vx.com.cn 发布时间:2018-01-10 10:39:11 来源:双色球 编辑:SEO知否    人点击

  百度分词技术就是百度针对用户提交查询的关键词串进行的查询处理后根据用户的关键词串用各种匹配方法进行的一种技术。[1] 所谓分词就是把字与字连在一起的汉语句子分成若干个相互独立、完整、正确的单词。词是最小的、能独立活动的、有意义的语言成分。计算机的所有语言知 识都来自机器词典(给出词的各项信息) 、句法规则(以词类的各种组合方式来描述词的聚合现象) 以及有关词和句子的语义、语境、语用知识库。中文信息处理系统只要涉及句法、语义(如检索、翻译、文摘、校对等应用) ,就需要以词为基本单位。当汉字由句转化为词之后,才能使得句法分析、语句理解、自动文摘、自动分类和机器翻译等文本处理具有可行性??梢运?分词是机器 语言学的基础。

5.jpg

  百度分词的4个原理:

  1、基于理解:傻瓜式匹配,小于等于3个中文字符百度是不进行切词的,比如搜索“大学堂”。

  2、基于统计:百度把一个词标红的原因:标红的词一般是一个关键词,你搜索“学”字的时候,百度它自认的把“学习”也当成了一个关键词,所以出现“学习”这个词标红,这就是百度分词法:基于统计分词。

  3、基于字符串匹配(百度的分词法:正向最大切词法)

  最大与最小(最大匹配:一直匹配到没词可配;最小匹配:匹配出词了就停止匹配,再从另一个词开始匹配)比如:百度搜索“湖南大学堂屋顶”,百度的一个分词算法我们把它当成一个黑盒子,我们通过一些输入关键词,根据百度的输出结果来判定百度的分词算法。正向与反向(正向:从前往后配;反向:从后往前配)(湖南大学堂屋顶)正向分法:湖南大学 堂屋 顶 (刘强大地方法)正向分法:刘 强大 地方 法。反向分法:方法 大地 刘 强。而在这个词语当中“大地”不是一个词。

  4、基于专有词库。比如杰出人物(如:毛泽东)明星(如:刘德华)检索量大的词(如:买票难) 。

  分词工具(没有百度的,收集了几个开源的分词工具):

  1、ICTCLAS – 全球最受欢迎的汉语分词系统

  2、HTTPCWS – 基于HTTP协议的开源中文分词系统

  3、SCWS – 简易中文分词系统

  4、PhpanAlysis - PHP无组件分词系统

  5 、MMSEG4J

  6、盘古分词

  7、IKAnalyzer 开源的轻量级中文分词工具包


相关推荐

    无相关信息
  • 广州将首次曝光问题培训机构 2019-04-18
  • 扎根沙漠的孙晟中创业团队“什么都能省,研发经费不能省” 2019-04-17
  • 猪的逻辑是没问题的,鉴定完毕 2019-04-16
  • 中纪委:不做违规公务接待的“制造者”和“笑纳者” 2019-04-15
  • 摄影师凌晨捕捉迪拜天际线 彩色“雾毯”如仙境令人迷醉 2019-04-15
  • 不同颜色的鼻涕代表什么? 2019-04-14
  • 那片海文章中国国家地理网 2019-04-14
  • 中国梦大国工匠篇——治国理政新实践山西篇系列专题——黄河新闻网 2019-04-13
  • 年度创投巅峰盛会:2017年度CEO峰会暨猎云网创投颁奖盛典在京举办 2019-04-13
  • 端午小长假 歌舞飞扬“剧”精彩 2019-04-12
  • 《芭莎艺术》与赵半狄的“制造超级艺术聚会” 2019-04-11
  • 财政部:前5月全国财政支出82695亿元 科技支出增幅最大 2019-04-11
  • 山西新闻网&视觉志图片精选(2018.05) 2019-04-10
  • 福建泉港:“海上党课”宣讲十九大精神 发展海上渔业渔民信心倍增 2019-04-10
  • 不断的烧钱和融资 共享单车这门“生意”将走到哪里 2019-04-09
  • 981| 300| 184| 82| 768| 888| 623| 498| 432| 997|