淺析搜尋引擎對網頁文本分詞的原理

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

對於SEO人員來說，自己工作的主要目標就是搜尋引擎，所以深刻理解搜尋引擎運行機制有助於我們針對搜尋引擎進行優化，這就相當於兩國交兵，必須要知道對方的虛實，再分析自己的優勢，然後才能夠一舉進兵消滅對方， 如果你還不知道對方的虛實，別人以逸待勞，那你失敗是肯定的了!而在分析搜尋引擎方面，知道其運行機制和分詞技術是非常重要的一環!下面就把自己的淺見拿出來和廣大站長朋友們分享一下!

搜尋引擎工作的第一步：提取頁面文字

首先就是抓取頁面的文字，一般而言搜尋引擎會把相關關鍵字的對應文字提取出來，還有就是meta標籤等等，還有就是關鍵字和描述以及圖片的ATL屬性等等，這個ALT屬性是需要使用者把滑鼠對應到圖片上才能夠看到， 另外還有就是網頁的相關文本，所以很多FLASH網站在搜尋引擎優化方面就會吃很多虧，因為沒有很多的文本，而且搜尋引擎也不會抓取flash原始程式碼!所以很多做flash網站優化的基本上會再編一套源碼程式， 讓相關的文字和內容對應上，這樣才能夠被搜尋引擎識別!

搜尋引擎工作的第二步：中文分詞技術

當搜尋引擎把文字抓取之後，接下來的工作就是將這些文字進行分詞，講一句話分解成一個一個的短語，比如齊天大聖孫悟空這個短語，就會被分成齊天大聖和孫悟空兩個單詞，還比如：楊柳如是冷月這個詞， 我們可以通過圖示一下看看這百度和谷歌的分詞區別!

這兩個搜尋結果是不同的，谷歌更傾向于將柳如是當成一個名詞，所以在柳如是貼吧變成了第一個匹配的!而對於百度來說，就直接把這個楊柳如是冷月這個詞分別變成了楊柳，如是和冷月了，所以有關柳如是貼吧卻沒有出現在首頁上， 為什麼會出現這麼明顯的區別呢?關鍵是谷歌沒有一個專有的詞典，所以匹配方式會有一些區別，我們要針對不同搜尋引擎進行關鍵字優化，在內容上要儘量的靠近關鍵字，而不能夠讓關鍵字和內容割裂開來，這樣關鍵字的排名就很難上去了!

搜尋引擎工作的第二步：匹配技術

一：正向匹配，上面的楊柳如是冷月就是正向匹配，這種匹配方式有助於消除歧義，讓搜索出來的結果更加準確，而不會將楊柳如是，變成柳如是了!

二：逆向匹配，這是一種從後往前匹配的方法。

三：最大化匹配，比如把美利堅合眾國是自由的，最大匹配就成了美利堅合眾國，自由!

四：最小化匹配，依然拿美利堅合眾國是自由的，最小匹配就成了美，利堅，合眾，國，自由了，而在搜尋引擎實際分詞過程中，會將這幾種匹配方式進行綜合的運用，不會只會使用其中的一種，搜尋引擎的分詞技術最終的目的就只有兩點， 我們要奔著這兩點來進行搜尋引擎優化就能夠有助於提升網站的排名!其一是通過各種匹配的技巧來消除文本中的歧義，讓搜索的詞出來的內容更加的準確和完整!其二就是通過各種匹配方式將一些人名， 地名和機構名以及一些從沒有登陸的詞比如口頭禪，流行語等等進行統計，然後將統計的結果和使用者的想要瞭解的內容進行不同方式的匹配，從而讓使用者獲得自己想要的內容!

希望上面的介紹能夠説明大家理解搜尋引擎運營機制，並且對中文分詞有一個初步的瞭解，其實分詞技術還有很多細節，大家可以在優化過程中不斷的總結，那麼就一定能夠獲得更好的關鍵字，並且儘快的把自己的網站優化到前面! 來源：www.hhxjt.comusb電視棒 原創A5首發，轉載請保留。