最近和朋友在討論百度分詞，看了很多網(wǎng)上關于百度分詞的一些實例，我們來對百度的分詞步驟進行一些猜測，我們不可能真正的了解只能說是猜測：

1. 判斷用戶提交字符串，如果為多個字符串，則通過空格，標點符號，等進行切割。

2. 判斷提交字符串中有無字母或者數(shù)字，如果有把字母與數(shù)字當作獨立整體，并把這個整體當作切割負，進行前后切割。

3. 判斷切割后的詞組有無重復詞，有當作一個計算。

4. 如果提交為一個字符串，判斷字符串字數(shù)，大于4并等于4個字的進行切割，如果小于4個字不進行任何處理。

5. 對照特殊詞庫表進行提取，如果字符串中包含特殊詞進行單獨提取。

6. 進行正向分詞處理。

7. 進行反向分詞處理。

8. 正向分詞結(jié)果與反向分詞結(jié)果進行對比，如果結(jié)果一樣，直接輸出。

9. 如果結(jié)果不一樣，輸出最短路徑(詞數(shù)最少的)進行輸出。

10. 如果長度一樣進行則輸出單子最少的結(jié)果。

11. 如果單子最少結(jié)果一樣，則輸出正向分詞結(jié)果。針對百度索引提示，糾錯原理。

1.判讀詞組，1個字的詞不進行提示，大于1個字開啟提示功能。

1.進行同音字提示，如果詞數(shù)過多，提取用戶搜索最多詞組進行提示。除以上外，我們還需要注意一點，那就是現(xiàn)在分詞中進行了語意相關結(jié)合：舉個例子我們常常在搜索某些詞的時候會發(fā)現(xiàn)有些結(jié)果中并不是完全匹配的詞也進行了飄紅。其實這種情況就是語意結(jié)合。我們可以理解為百度把相關詞表進行了關聯(lián)，或者干脆進行了表結(jié)合。造成了這種情況的出現(xiàn)。比如我們搜索太原，我們會發(fā)現(xiàn)太原與太原市都進行了飄紅。

文章標題：猜測百度分詞基本步驟
轉(zhuǎn)載來于：http://www.aaarwkj.com/news/126619.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站設計公司、營銷型網(wǎng)站建設、動態(tài)網(wǎng)站、域名注冊、建站公司、定制開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)