对于网站 seo优化人员来说，在编辑网站的标题和关键词和描述的时候，经常会出现关键词重复的问题，主要是不了解中国 搜索引擎中有中文分词算法

    网站 seo优化教程分享中文分词算法

    中文分词算法 (Chi neseWordSe gm en tation )指的是将一个 中国汉字 编码序列 切分为 一个个独立 的词。

    词性标注 便是 将持续 的字编码序列 依照 一定 的标准 重新排列 成词编码序列 的全过程 。

    我们知道，在英文的写作 中，英语单词 中间 是以空格符 做为当然 交界 符的，而汉语 仅仅 字、句和段能根据 显著 的交界 符来简易 划界 ，唯有 词没有一个方式 上的交界 符，虽然英文也一样 存有 语句 的区划 难题 ，但是 在词这一层上，汉语 比之英语 要繁杂 得多、艰难 得多。

    主要用途 ：

    文本处理 的基本 。

    获取 语句 信息内容 。

    获取 关键字 。

    百度搜索引擎 的最底层 技术性 。

    普遍 优化算法 ：

    空格符 配对

    这类 方式 又称为 机械设备 词性标注 方式 ，它是依照 一定 的对策 将待剖析 的中国汉字串与一个 “充足 大的”设备 字典 中的百度词条 开展 配，若在字典 中寻找 某一字符串数组 ，则配对 取得成功 （鉴别 出一个 词）。

    依照 扫描仪 方位 的不一样 ，串配对 词性标注 方式 能够 分成 顺向 配对 和反向 配对 ；依照 不一样 长短 优先选择 配对的状况 ，能够 分成 较大 （最多 ）配对 和最少 （最短）配对 ；常见 的几类 机械设备词性标注 方式 以下 ：

    1）顺向较大配对法（由左到右的方位 ）；

    顺向较大配对（MaximumMatchMethod，MM法）的基础观念为：假设词性标注字典中的最多词有i个中国汉字空格符，则用被解决文本文档的当今字串中的前i个字做为配对字段名，搜索词典。若词典中存有那样的一个i词语，则配对取得成功，配对字段名被做为一个词分割出去。假如字典中找不着那样的一个i词语，则配对不成功，将配对字段名中的最终一个字除掉，对剩余的字串再次开展配对解决。

    这般开展下来，直至配对取得成功，即分割出一个词或剩下字串的长短为零才行。那样就完成了一轮配对，随后取下一个i字字串开展配对解决，直至文本文档被扫描仪完才行。

    其优化算法叙述以下：

    从从左往右取待分割中文句的m字符做为配对字段名，m为设备字典中最多百度词条的字符数。

    搜索设备字典并开展配对。若配对取得成功，则将这一配对字段名做为一个词分割出去。若配对失败，则将这一配对字段名的最终一个字除掉，剩余的字符串数组做为新的配对字段名，开展再度配对，反复之上全过程，直至分割出全部词才行。

    例如有“黄河大桥”和“黄河和大桥”2个词。

    2）反向较大配对法（由右到左的方位 ）；

    反向较大配对（ReverseMaximumMatchMethod，RMM法）的基本概念与MM法同样，不一样的是词性标注分割的方位与MM法反过来。反向较大配对法从被解决文本文档的尾端刚开始配对扫描仪，每一次取末端的i字符（i为字典中最多词数）做为配对字段名，若配对不成功，则除掉配对字段名最前边的一个字，再次配对。相对地，它应用的词性标注字典是反序字典，在其中的每一个百度词条都将按反序方法储放。

    前边举例说明的“黄河大桥”，选用该方式，正中间造成“黄河/大桥”和“黄河/大桥”二种結果，最后选择词数较少的“黄河/大桥”这一結果。

    3）至少 分割 （使每一句 中切出来 的词数 最少 ）；

    4）双重 较大 配对 法（开展 由左到右、由右到左2次 扫描仪 ）

    这些算法可能大家对感觉很枯燥，其实就我们语文中的组词。我可以组词我们，我们就是一个分词，这样就好理解了。我们在网站seo优化中需要不断的摸索，就可以慢慢的了解中文分词算法等。