seo搜尋引擎關鍵詞技術

　　中國的文字博大精深，不同的標點符號，不同的斷句就代表著不同的意思。所以，曾經有一位Google的科學家說：“如果可以做好中文搜尋引擎，那麼我們就不怕任何語種的搜尋引擎研究了。”

中文分詞對於影響搜尋引擎結果排序有著至關重要的作用。我們在實際的搜尋引擎最佳化中，為了避免很多主關鍵詞的大量競爭，也會使用到中文分詞技術來做SEO最佳化。

　目前，主流的分詞辦法有兩種，一種是基於統計模型的文文書處理，另外一種是基於字串匹配的逆向最大匹配法。

　　基於統計模型的文文書處理

　　從形式上看，詞是穩定的字的組合，因此在上下文中，相鄰的字同時出現的次數越多，就越有可能構成一個詞。因此字與字相鄰共現的頻率或機率能夠較好的反映成詞的可信度。可以對語料中相鄰共現的各個字的組合的頻度進行統計，計算它們的互現資訊。定義兩個字的互現資訊，計算兩個漢字X、Y的相鄰共現機率。互現資訊體現了漢字之間結合關係的緊密程度。當緊密程度高於某一個閾值時，便可認為此字組可能構成了一個詞。這種方法只需對語料中的字組頻度進行統計，不需要切分詞典，因而又叫做無詞典分詞法或統計取詞方法。但這種方法也有一定的局限性，會經常抽出一些共現頻度高、但並不是詞的常用字組，例如“這一”、“之一”、“有的”、“我的”、“許多的”等，並且對常用詞的識別精度差，時空開銷大。實際應用的統計分詞系統都要使用一部基本的分詞詞典(常用詞詞典)進行串匹配分詞，同時使用統計方法識別一些新的詞，即將串頻統計和串匹配結合起來，既發揮匹配分詞切分速度快、效率高的特點，又利用了無詞典分詞結合上下文識別生詞、自動消除歧義的優點。

　　基於統計模型的文文書處理，因為技術性比較高，而且只是使用在搜尋引擎分詞演算法的過程中，如果學會，對於SEO的協助會更大，各位可以加入我的SEO培訓班進行深入討論。這裡更多的說一下基於字串匹配的逆向最大匹配法。

　　一般來說，我們在SEO中使用最多的分詞辦法就是基於字串匹配的逆向最大匹配法。這個辦法其實很簡單。我們以一個簡單的例子來說明。

　　“瑞星一直以品質和服務開拓安全市場”。

　　如果這個句子我們以“查字典”的辦法正向切分的話，就%