最近和朋友在討論百度分詞，看了很多網上關於百度分詞的一些例項，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. 判斷使用者提交字串，如果為多個字串，則通過空格，標點符號，等進行切割。
2. 判斷提交字串中有無字母或者數字，如果有把字母與數字當作獨立整體，並把這個整體當作切割負，進行前後切割。
3. 判斷切割後的片語有無重複詞，有當作乙個計算。
4. 如果提交為乙個字串，判斷字串字數，大於4並等於4個字的進行切割，如果小於4個字不進行任何處理。
5. 對照特殊詞庫程式設計客棧表進行提取，如果字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. 正向分詞結果與反向分詞結果進行對比，如果結果一樣，直接輸出。
9. 如果結果不一樣，輸出最短路徑（詞數最少的）進行輸出。
10. 如果長度一樣進行則輸出單子最少的結果。
11. 如果單子最少結果一樣，則輸出正向分詞結果。
針對百度索引提示，糾錯原理。
1.判讀片語，1個字的詞不進行提示，大於1個字開啟提示功能。
1.進行同音字提示，如果詞數過多，提取使用者搜尋最多程式設計客棧片語進行提示。
除以上外，我們還需要注意一點，那就是現在分詞中進行了語意相關結合：
舉個例子我們常常在搜尋某些詞的時候會發現有些結果中並不是完全匹配的詞也進行了程式設計客棧飄紅。其實這種情況就是語意結合。我們可以理解為百度把相關詞表進行了關聯，或者乾脆進行了表結合。造成了這種情況的程式設計客棧出現。
比如我們搜尋太原，我們會發現太原與太原市都進行了飄紅。
搜尋英文car，car與汽車www.cppcns.com都進行了飄紅。
本文標題: 猜測百度分詞基本步驟
本文位址:
百度中文分詞如何分詞
可能對於seo新手來說，不會中文分詞就會損失一部分的xhbphue流量。而中文分詞就是把詞按照一定的規格，將乙個長尾詞分割成幾個部分，從而概括一段話的主要內容。在中文分詞中，強調的是 一 字串匹配的分詞方法。我們需要有一定的字串做基礎，就是一段詞用字元分開，比如標點符號，空格等。才能夠進行分詞匹配，...
百度收錄減少的幾種猜測
今天早上一到公司就聽同事說 收錄減少了很多，然後登陸各大bbs，發現所有的站收錄都減少了，甚至很多站直接被k。群裡的朋友更是 忙 的不亦樂乎，都在訴苦。綜合各大bbs的分析，對這次收錄減少猜測如下 1 伺服器出現故障。這也是大多說人的看法。如果是這樣估計這兩天收錄還會回來的。2 演算法大更新。在3月...
百度分詞演算法分析
隨著搜尋經濟的崛起，人們開始越加關注全球各大搜尋引擎的效能 技術和日流量。作為企業，會根據搜尋引擎的知名度以及日流量來選擇是否要投放廣告等 作為普通網民，會根據搜尋引擎的效能和技術來選擇自己喜歡的引擎查詢資料 作為技術人員，會把有代表性的搜尋引擎作為研究物件。搜尋引擎經濟的崛起，又一次向人們證明了網...