百度切词算法

蒋金阳

百度切词算法，和大家看到的以前所看到的切词算法在本质上有比较大的区别，我主推的百度切词算法来自于“用户搜索”，而不是简单的程序计算。<br /><br />百度切词第一条规则：最高级别专用词汇。如“中国”、“国务院”等，作为最高级别不允许分割。这样防止出现别人利用程序切词搞非法内容。<br /><br />百度切词第二条规则：完全匹配，大家可以搜索“钢木室内门”就可以看到，排前面的全是title或者描述中完全匹配，紧跟着的是切词匹配的网站。<br /><br />百度切词第三条规则：基于搜索查询量的切词技术，根据最近一个星期或者最近一天有效搜索量的总和，来给每个关键词加权，权重高的优先切词。这应该就是百度切词技术中最厉害的一点，这样可以保证大部分请求都可以正确的返回用户想要的结果，比任何程序判断更准确，同时也符合用户体验。<br /><br />百度切词第四条规则：基于词典的普通词汇分词技术，实在没有什么搜索量的词，用词典分词来实现。这个大家说过很多次了我就不多讲了。<br /><br /><br /><blockquote class="blockquote">From: http://12host.cn/read.php?tid=170  Powered by PHPWind.com</blockquote>