武汉SEO剖析搜索引擎分词的算法逻辑和语法思路

分词在我们这个圈子里是很容易被提及的一个词汇和概念，长沙SEO通过对分词原理的研究，去进一步优化标题和撰写的手法和标准。做外贸也是如此，注重搜索引擎对英文长句的拆分，词组的分词和理解，也是很有必要的。

这篇文章为主的长沙SEO先以的搜索引擎算法逻辑讲解一下我学习后理解中的分词逻辑，英文分词后续会继续更新，可以多多关注！

1.紧密性

词组的紧密性紧密性原则是写标题的优先考虑原则，配合生意参谋的数据分析工具，获取这些买家自身输入的搜索行为词，保证原则上不做分割，维护其紧密性

2.通顺性

语句的通顺性堆砌词组，堆砌关键词，堆砌标题是很多年前的手法了，这里不用细说，是一定要规避堆砌的。写标题的时候要考虑的一点是语句的通顺性（虽然买家看首焦图来决定点击的行为轨迹更大，而不是看标题，相信很多人买一些并不要求很高的技术性或产品匹配度的产品，都是直接看图就买，不会仔细看标题），现在是2019年了，AI算法和词意的判断准确度已经有了很大的提高，标题不仅仅是给访客看，也是要给搜索引擎看的。保证语句的通顺性，可理解性，能辅助加大搜索算法对产品的理解和二次判断，是很必要的

3.逻辑性

分词的逻辑性分词常规算法上基础原理分为最大正向匹配，逆向最大匹配法，双向最大匹配法

最大匹配

什么是最大匹配模型？

什么是最大匹配？最大匹配是指以当前已有词典为数据库，捕获词典数据库中最长的单词为第一次取字数量的扫描串数据，执行扫描

例如数据库中最长的单个词为“现在最流行的歌”，统计共有7个汉字字符，最大匹配的计算算法则是按照起始字数为7个汉字。然后逐字递减，每次减少1个词，进行扫描和分析，同理进行第三次，第四次的匹配，在对应的词典中进行查找。

注切分结果中非词典词越少越好，单字字典词数越少越好，这里的“非词典词”就是不包含在词典中的单字，而“单字字典词”指的是可以独立运用的单字，如“的”、“了”、“和”、“你”、“我”、“他”。例如“技术和服务”，可以分为“技术和服务”以及“技术和服务”，但“务”字无法独立成词（即词典中没有），但“和”字可以单独成词（词典中要包含），“技术和服务”有1个非词典词，而“技术和服务”有0个非词典词，选用后者。

而正向，逆向，双向就是基于上面这个扫描和分词逻辑进行的，下面我以”我们在天文博物馆玩“一词举例子

最大正向匹配从左往右，或者说从前往后，从开始往结束进行扫描

那么，我们..........

开始吧

扫描1从左往右取7个字-我们在天文博物，扫描7字的词典数据，不存在此类词语，执行下一次扫描

扫描2我们在天文博，扫描6字的词典数据，不存在此类词语，执行下一次扫描

扫描3我们在天文，扫描到5字的词典数据，不存在此类词语，执行下一次扫描

......依次同理

当执行到扫描6的时候，扫描到我们，存在这个词语，分词我们，我们这个词搜索算法分析和理解出来了，存储我们

那么下一次要执行的就是去掉已经识别和分词的“我们”，开始执行对”在天文博物馆玩“的扫描和分词，按照上面的程序运行，依次类推扫描1在天文博物馆玩，扫描7字的词典数据，不存在此类词语，执行下一次扫描

扫描2在天文博物馆，扫描6字的词典数据，不存在此类词语，执行下一次扫描

扫描3在天文博物,扫描5字的词典数据，不存在此类词语，执行下一次扫描

以此同理，一直这样扫描和分词，分出我们/在/天文/博物馆/玩”，其中，单字字典词为2，非词典词为0。

而逆向最大匹配法的思路是即从后往前取词，其他逻辑和正向匹配的相同。

不过正向匹配和逆向匹配都有其缺陷，搜索引擎也会运用双向最大匹配法和双向最大匹配法。分别计算正向最大匹配和逆向最大匹配的结果

计算逻辑非字典词（越少越好）+单字字典词（越少越好），统计出正向和逆向的这个结果和的数值

假设

正向非词典词=2，单字词典词=3，共5

逆向非词典词=1，单字词典词=2，共3

取决其中数值更低的作为结果，那么选择逆向作为输出，输出逆向最大匹配时候的分词的逻辑结果

文本

零售春风吹满地，运营喵们真牛逼。在这个懵逼树上懵逼果,懵逼树下你和我的年代，风雨飘摇，电商平台，搜索算法变幻莫测。辛苦的运营喵还是得烧脑的学习一些搜索引擎的底层逻辑SEO运营的思维。