关键词布局,一直是seo头疼的事儿,一个良好的布局,可以为内容增加很大一部分权重,那么如何进一步的做好关键词布局,陈晨选择了看搜索引擎原理,这里和大家分享的是搜索引擎的分词算法,相信对大家有用!" c' B+ g, u+ b, d0 y5 r
内容关键词布局进阶:了解搜索引擎分词算法
/ x, @' t, S1 a" f8 E9 p. o / o! f9 r* Y+ S3 o4 f R* Q4 V* ?
首先,中文和英文不同的是,英文单词之间有空格,而中文都是连贯在一起来操作的,在形式上,无法做出区分。所以中文文本在进行网页分析之前,需要将文本切分为多个词或者字。在目前检索中,主要可以分为按字检索和按词检索,其中按词检索,拥有更快的速度和较高的准确性。7 l: y2 J& L" N% n* a" W1 J
# v! m) K- l/ w/ r自动分词系统算法介绍% T, m, X- P+ U* G) d% @+ |7 Y
分词系统基本方法:基于字符串匹配的分词方法和基于统计的分词方法。
0 j5 ]2 ^6 R4 G1 N( ^6 R1 E6 L3-1)基于字符串匹配:也称为机械分词,按照几个既定的策略,将等待分析的字符串和一个容量足够大的词典中的词条进行匹配,若在词典中找到同样的一个字符串,那么匹配成功。8 I+ e" D! c1 p: g' c
字符串匹配分词,按照扫描方向,可以分为:正向匹配和逆向匹配;按照不同长度有限匹配,可以分为:最大匹配和最小匹配;按照是否与词性标注相结合,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;
5 G9 ^: s( d, }: g1 e3 e& x4 a" A* d% n
常用的机械分词方法:正向最大匹配,逆向最大匹配,最小切分(就是在每一句中切除的词量最少,而不是单个词字节最少) (盐城SEO联想:使用正向最大匹配,逆向最大匹配,和我们SEO中经常用到的关键词靠前,则排名越有利,是否存在关联), d7 O4 P' J2 G" y
同时,在机械分词法中,存在这样一个模型:ASM(d,a,m);
- w. p" |% X0 D+ m# N' c
2 y) O+ w( `; `) xd:匹配方向,+表示正向,-表示逆向;
% w# y0 w6 Q% @- ma:每次匹配失败后增加或减少字串长度(字符串),“+”就是增加一个,“-”就是减少一个;3 Y4 a' T7 M. _
m:最大或最小匹配标志,+为最大匹配,-为最小匹配。
7 e* @& v4 Z6 W' D5 x对于,中文汉字来说,ASM(+,=,+)是最为实用的方法。
4 L$ I9 W8 M) H: S
内容关键词布局进阶:了解搜索引擎分词算法
- N8 w' f; i4 A! [2 J, {: @
5 O, n8 a1 I. d* K6 X8 g
# k4 u7 B0 R+ `& ]5 I3-2)基于统计的分词方法介绍:. w2 S6 k: u, ?1 ?
在表现形式上,词是多个字的稳定组合,所以说,在文章中,相邻的字同时出现的次数越多,那么越有可能是一个词,因此,字和字相邻出现的的频率可以大概的反应出词的可信率。2 E! H+ f, G1 k1 m0 F, s
- D# s+ p% A y* @' r) `7 V通过公式:M(x,y)=log( P(x,y) / p(x)p(y) )来计算他们的互现信息,该互现信息体现了汉字之间结合的紧密程度,当M(x,y)的值大于某一阈值时,便可以确定这是一个词。
: c. w' a" }/ Q# a3 _$ U4 @
2 }. b/ M0 I0 o4 g5 F% Q因为,只需要对字组频率进行计算,不需要使用词典,所以叫做无词典分词方法,或者说统计分词方法。
8 A4 l5 ?& P+ M4 ? E4 W缺点:经常会抽出一些高频,但不是词的常用词组,如:“我们”“共同”“有的”等。
; R5 A- a @9 g9 y: G4 b! K
5 b* r; k% J) H5 o p所以在正常使用中,统计分词法,都会使用一部基本的分词词典(常用词词典),通过字符串分词系统,识别出常用词组,同时通过统计分词系统,识别出新词,生词,两者结合,即发挥出字符串匹配分词系统的速度快,效率高,又可以利用统计分词系统识别生词,自动消除歧义的优点。0 b& t; E' ?8 P+ v) z
$ A- q/ H _4 r% }+ K
# x& Z1 d0 ]! L j. q; S! c4 ^5 |7 K+ X4 Y
6 a- Q) I4 _$ o原文链接:http://seo论坛simple-chen站长技术论坛/ssyqyl/273.html,点击可查看更多SEO必备的搜索引擎原理知识哦!0 Z7 {; y/ z! [8 A4 {
搜外作者:陈晨
9 {9 A" J' Z+ I: L9 _日期:2015-6-23 9:50:08 |