從百度搜索引擎優(yōu)化的角度來看，如果分詞技術(shù)可以運用恰當(dāng)，可以使你的網(wǎng)站優(yōu)化更上一層樓，其實分詞原理很簡單，就是當(dāng)用戶輸入查詢關(guān)鍵詞的時候可以給用戶匹配相關(guān)準(zhǔn)確輸出結(jié)果，同時也是百度所追求的用戶友好度體驗。

如果可以很好的掌握百度分詞技術(shù)就可以實現(xiàn)網(wǎng)站關(guān)鍵詞的定位，而且可以羅列出長尾關(guān)鍵詞，從而帶動網(wǎng)站更好的優(yōu)化，引來更多的流量，百度分詞技術(shù)比谷歌分詞先進(jìn)的原因是百度有一個巨大的詞庫，包含了人名、地名、企業(yè)名等，同時有正向的匹配和反向匹配，以較短的路徑滿足用戶的搜索需求。

百度分詞主要是以詞義、詞語、詞頻的方式滿足搜索引擎對詞語的抓取，具體的分詞原理分為這三大部分：

一、字符串匹配分詞方法

細(xì)分為是正向匹配法、反向匹配法、短路徑分詞法等。

1、正向匹配法

正向匹配法主要是結(jié)合我們長期寫字的方式，將一個詞或者一句話從左向右來分詞，例如：“一個學(xué)生在教室上自習(xí)”，這一句話的正向匹配法就是一個，學(xué)生，正在，教室，上，自習(xí)，主要采用從左向右的匹配方法。

2、反向匹配法

反向匹配法與正向匹配法剛好相反，例如：“一個學(xué)生在教室上自習(xí)”主要是將學(xué)生，正在，教室，上，自習(xí)利用反向匹配法從右向左區(qū)分。

3、較短路徑分詞法

其實就是一段話中需要分出來的詞數(shù)比較少，盡可能將一句話分成幾個詞來區(qū)分，也有特殊情況，就是將正向匹配、反向匹配、短路徑匹配三者結(jié)合起來組成的分詞方法，例如正向匹配與反向匹配組合起來就叫做雙向匹配法。

注：上圖為百度分詞技術(shù)的運用

二、詞義分詞方法

詞義分詞方法就是利用一種機器語言來判斷的分詞方式，進(jìn)行句法、語義分析，借助語法信息和語義信息作出判斷處理歧義的現(xiàn)象，目前這樣的方法在百度中還不算成熟。

三、統(tǒng)計分析方法

統(tǒng)計分析主要是在人工標(biāo)注與統(tǒng)計特征下進(jìn)行的，對于中文進(jìn)行建立模型，在分詞階段通過模型來計算分詞出現(xiàn)的概率，能夠?qū)⒏怕实慕Y(jié)果作為后的籌碼，比較常見的序列模型有HMM和CRF。

優(yōu)勢是可以很好的處理歧義和不能登錄詞的問題，效果比字符串匹配效果要好。

劣勢是可能需要大量的人工標(biāo)注，速度會相對比較慢。

因為相鄰的字同時出現(xiàn)的次數(shù)較多，就越有可能組成一個詞語，所以字與詞相鄰部分出現(xiàn)的幾率可以很好地反應(yīng)詞語的可信度。

也可以對語料中臨邊出現(xiàn)的各個字的組合頻度進(jìn)行統(tǒng)計，預(yù)算出他們的共同信息，從而定義這些信息，計算這個詞之間相鄰的出現(xiàn)的概率。

在做百度分詞分析的過程中，不論是標(biāo)題TItle分詞，還是首頁相關(guān)關(guān)鍵詞設(shè)置，我們都不可以隨意使用百度搜索的任意一個關(guān)鍵詞，因為你會發(fā)現(xiàn)首頁標(biāo)題能利用百度搜索引擎切除相關(guān)關(guān)鍵詞排名靠前。