分词技术

分词又叫切词，是将连续的字序列按照一定的规范重新组合成此序列的过程。原理是怎么样的那？无非就是三种，基于字符串匹配（机械分词法）；基于理解；基于统计；

基于字符串匹配（机械分词法）：

正向最大匹配，逆向最大匹配，最少切方法。

基于理解

在分句的同时进行句法，语义分析，利用句法信息和语义信息来处理歧义现象。

基于统计

根据汉子共同出现的频率来分词。

百度搜索引擎有一个专有词典，分词时首先会查询专有词典（人名，部分地名等等），将专有名词切出，剩下的部分采取双向分词策略，如果切出的词相同，说明没有歧义，直接输出分词结果。如果不一致，则输出路径最短的那个结果。如果长度相同，则选择单字词少的那组切分结果。如果单字也相同，则选择正向分词结果。

百度会同时做出多种分词方式，首先不拆分进行找，然后先识别专有名词和新词，再对其余部分拆分，采取双向最大匹配方式拆分。

做seo时要充分利用分词技术，来撰写标题和描述。