分词是中文搜索引擎中特有的技术。在英文中以单次为单位，单次之间会有空格，并且每个单次都有特定的意思，计算机很容易理解英文语句的意思。但是中文以字为单位，只有将一句话中所有的字串起来才能表达一个完整的意思，计算机不能直接把中文分成单个字来理解，所以就需要引入中文分词技术，把一句话切分成一个个有意义的词语来进行理解。比如把“我是一个学生”切分成“我/是/一个/学生”。
搜索引擎面对中文网页时就是这样，靠中文分词来理解网页所描述的内容。其实分词技术的基础就是拥有海量的有意义的词库（词典），搜索引擎会使用自己强大的词库来对网页内容进行拆分，或者是对内容进行机械切割，统计出出现次数最多的词。通过分词就可以使得搜索引擎明白该网页内容是与什么相关的，这回直接决定该网页出现在哪些词的搜索结果中，所以中文分词在SEO工作中也是需要潜心研究的。现在很多SEO人员只是知道有这么个技术，但是对这项技术具体是怎么进行分词的，以及中文分词是怎么运用到SEO工作中的还一无所知。
搜索引擎对于中文内容的理解和分词一直都没有太大的进步，所以搜索引擎程序在判断网页内容和关键词的相关性方面的技术，与几年前相比也并没有太大进步。现在常见的中文分词技术有两种：基于词典匹配和基于统计，也有研究基于语义分析的分词方法，但是汉语博大精深，计算机程序暂时还不能很好的支持。
1.基于词典匹配
这种分词技术是使用搜索引擎自己的词典对网页内容进行拆分。按照匹配方向的不同可以分为正向匹配和逆向匹配；按照不同长度优先匹配的不同可以分为最长匹配和最小匹配。常见的三种匹配方法是正向最大匹配（从左到由）、逆向最大匹配（从右到左）和最少切分。
不论使用什么样的匹配方式，都是使用搜索引擎已有的词典，对网页内容进行拆分理解。这种分词方式的准确度取决于词典的完整性和更新情况。如果当一个新词出现时，搜索引擎没有即时把该词加入到词典中，那么就会影响最终的分词精准度。尤其是在网络如此发达的今天，几乎每天都有新词出现。
2.基于统计
这种分词技术不依靠词典，而是对大量文字样本进行分析，然后把相邻出现次数比较多的几个字当成一个词来处理。基于统计的分词方法在一定程度上解决了搜索引擎词典更新的问题，并且有利于消除歧义。
在当前搜索引擎中文分词中多多少少都会存在着一些难题没有解决，这可能是因为汉语真的太博大精深了，在当下计算机根本不可能完全理解。比如，网络上流传的两句“以前喜欢一个人，现在喜欢一个人” “以前谁都看不上，现在谁都看不上”，有些人第一眼看到这两句话也不太理解，相信搜索引擎在短期内更不会真正理解这两句话。
搜索引擎会把网页拆分出来的词按照词频进行排序，使用TF-IDF之类的算法以确定该网页主要和哪些词相关，并进行相关度计算。搜索引擎会综合各方面因素来确定当前页面主题描述的内容。分词技术指导SEO人员再进行网站内容建设和关键词布局时，可以把一个关键词分成更小的单位进行拆分布局，这样不仅可以加强网页和这个关键词的相关度，也会使得网页匹配出更多的关键词。
比如下图在百度搜索长尾词“婚纱摄影公司”，图中自然搜索结果第一和第三的网页title、description和页面内容都没有完整出现“婚纱摄影公司”这个词，但是依然有比较不错的排名。
还有种情况，当在百度网页搜索“婚纱摄影公司”会被切割成“婚纱摄影” “公司”和“婚纱摄影”“摄影公司”或“婚纱”“摄影公司”，来进行相关度计算，在搜索结果中就算有网页完整的出现了“婚纱摄影公司”这个词，但是并不一定能排到靠前的位置，可见中文分词用得好，会为网页额外增加大量可以匹配的关键词，这样就可以是网站整体获得更多的搜索展现机会和流量。
在上面例子中充分体现了分词技术中的正向最大匹配、逆向最大匹配以及最少切分的规律。如前面所述，很多SEO人员指导有中文分词这么回事，但是并不知道怎么运用。如果你还没有研究过中文分词，那么现在就开始详细研究吧，有不懂的就百度一下，会有很多详细介绍资料。也可以留言问我，每条留言必回！
----------------------------------------------------
长按二维码，打赏一杯咖啡钱：
部分文章将会更新至博客：www.xyfeng.com
感谢关注，如果本文对你有帮助就点击右上角分享一下
微信搜索：xyfeng168
如果你有SEO、网络推广、网络营销等方面的问题可以给我留言，每条回复必看
