我们都知道不管是谷歌也好、还是百度也好，他们的性质是做搜索的，是为了方便网民在庞大的互联网中能尽快找到自己需求的信息，来解决自己的疑惑的，那么要完成这么庞大的搜索，肯定要借助各种各样的算法来完成尽量匹配度高的信息，推送给用户！百度的算法非常多，今天就来和大家聊聊关于中文分词算法，是借助于词性来区分搜索词匹配给用户！

小时候我们上小学的时候，老师都教我们名词、动词、形容词等、例如一句话中的主谓宾关系，例如我们的slogen排上来就是万词排名和万词排名就是排上来，作为我们人类思考，一眼就能分辨出“排上来”相对于“万词排名”是主语、“是”这里谓语、“万词排名”作为宾语！

人家百度算法工程师在设计算法的时候需要考虑很多因素的、用户心理学、统计学、语法等等，虽然百度一直一来被人诟病，但是也是一直在努力改善搜索环境呀，要知道每天要处理百万级的网页、平均每天都有百万个网页诞生、互联网上的网页百亿级别的存在、这里如果都能遵循百度发布的搜索规则来维护网站也好，但是偏偏有很多人为了快采用作弊的手段来获取排名，所以百度每年都要出很多算法来打击这些作弊网站，还广大用户一个干净的搜索环境！

这里有点跑题了，继续来说今天的主题中文分词算法

百度百科解释：中文分词(Chinese Word Segmentation) 指的是将一个汉字序列切分成一个个单独的词。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。

想看详细一系列中文分词介绍的，可以去百度学术里面搜索相关的文献去阅读！

这里就简单的和大家讨论一下关于网站优化中如何引用，包括我们万词排名系统做大量排名词上首页当中也是引用了中文分词，不然也不会有这么多词上首页了！

看这两张图有什么发现，可以看到排上来网页内容中完全包含这个要搜索的关键词，所以这个关键词我们能搜索到，但是这个排名首页不光是完全匹配的因素，还包含很多其他因素例如url信任度、导入链接、网页布局等等，但是网页有这个内容就能更进一步影响这个排名！

看这张图你们有什么发现，我们看快照的关键词匹配有三种颜色，由于下面的图片太大没有截全，想看的可以自己去搜索观看，说明我的这个网页中匹配了这个搜索词，虽然不是完全匹配但是能匹配上，这就是应用中文分词技术了，有的网页内容就那么多，如果你全部都是完全匹配你所优化的词那么久会造成堆砌，所以合理的利用中文分词，不仅可以获得其他大量关键词排名，还能保证不会刻意堆砌关键词，可以起到事半功倍的作用！

我们可以发现搜索这个关键词“万词排名如何赚钱”匹配到的是我们官网首页，其实这个页面最适合直接匹配的应该是内容页面，这也是为什么内容页面做这类疑问词是最好的，因为可以直接解决用户疑问，这篇文章内容也可以完全解决用户疑问！但是为什么不是内页排名呢，而是首页呢？

第一、首页占整个网页中权重分配是最高的！

第二、内页权重占比较低

第三、由于上次网站被降权、造成网页大量索引消失，从完全收录到未收录，没有展现了！

网站索引消失

最终是给了我们首页排名，内页没有参与排名，就是因为这些因素影响的！

大家在来看这张图，搜索万词排名收费价格，你们可以看到这四个搜索结果，计费也飘红了，收费标准也飘红了！

在百度认为计费就和收费是一个词性的，收费标准和收费价格也被判断成一个词义，你们可以点击这个收费标准这个网页进去看，在搜索价格是可以找到这个关键词的，说明百度通过标题以及内容来识别相关性来给予排名，尽管里面的内容都是完全不相关的，但是凭借八方资源网网站信任度高，所以可以直接给排名，这就是为什么信任度高的网站无论你发什么内容都可以收录，因为这类网站在百度已经给予极高的信任了，只要不是严重违反搜索行为一般是不会给予惩罚的！但是没信任度的网站就不行，及时你做的内容再怎么优质，也很难超过这些网站，除非申请原创保护，这也是为什么别人网站抄袭就可以，你的网站为什么抄袭就死，就是网站信任度的原因！

搜索引擎算法很多，中文分词算法也只是众多算法的一种，而且百度公布的也只是冰山一角、很多核心算法都是未公布出来的，都是需要慢慢探索的，但是互联网搜索环境需要我们每个人共同遵守的，努力共同打造一个良态的搜索环境，利己利他！