分享到:

昆明双鼎文化传播公司云南企业品牌推广、电子商务网络营销选昆明双鼎

您的当前位置:华企黄页分类信息>昆明双鼎文化传播公司>商务服务>网络服务>昆明双鼎推广公司解释文本粒度的原因及搜索引擎中文分词技术

昆明双鼎推广公司解释文本粒度的原因及搜索引擎中文分词技术

2013年10月28日 09:16:37 发布

双鼎昆明建站推广专业能力:透过经验我们知道,唯有实际经营操作过网站,了解整个市场趋势和产业,熟悉每个环节和特性,并对国内外相关资讯充分熟悉的团队,才能在网站建设的过程中提供出精准有效的网络营销内涵。我们有充分的自信,能够在竞争激烈的电子商务市场中,为客户提供专业营销组合服务,包括纯粹的网络宣传,以及搭配超强的整合营销传播。
昆明双鼎推广公司解释文本粒度的原因及搜索引擎中文分词技术


      双鼎昆明建站推广专业能力:透过经验我们知道,唯有实际经营操作过网站,了解整个市场趋势和产业,熟悉每个环节和特性,并对国内外相关资讯充分熟悉的团队,才能在网站建设的过程中提供出精准有效的网络营销内涵。我们有充分的自信,能够在竞争激烈的电子商务市场中,为客户提供专业营销组合服务,包括纯粹的网络宣传,以及搭配超强的整合营销传播。 

      百度搜索引擎的目的就是在满足绝大部分用户的需求下提供最精确最丰富的搜索结果,对于搜索引擎而言,用户停留时间越短,越说明搜索引擎的高效性和准确性,不管是百度的轻应用、知心搜索,还是谷歌的语义搜索、蜂鸟算法,或是360的我的搜索,都是为了能够帮助人们更方便的找到所求。
      而对于搜索引擎而言,想要给用户最需求的就需要去判断用户搜索词的意图。而搜索引擎尽管非常高效,数据库非常庞大,但它毕竟不是那么智能,不能直接判断出搜索词的意思,尽管谷歌已公布可以借助更加复杂的搜索请求更好的理解人类语言的概念,而不是一些零散的单词,这样的搜索能提供更加精准的结果,即整句搜索。但这只是一小步,搜索引擎不论是进行索引还是网页排序仍需要对文本进行切分,即中文分词。分词仍然是最基础也是最重要的。而在中文分词过程中文本粒度起到关键性的作用。

文本粒度
      所谓文本粒度,对于搜索引擎而言:粒度是衡量文本所含信息量的大小。文本含信息量越多,粒度就越大,反之就小。有人会说那简单啊,当然词越长含有的信息量就越大,你确定?那木木SEO告诉你一个小玩意:肌联蛋白是目前已知的最大蛋白质,名字足足有189819个字母,是名副其实最大的单词。这个单词的信息量是有多大?闲话不多说,先来看下面几组词中,哪些的粒度大,哪些的粒度小。

萝卜、葡萄、乒乓
龙井、篮球、红色、橡皮檫
踢球、拔河、谈恋爱、登山
高清电视机、南非双人游、呼叫中心系统
      第一组词由两个字组成,但是仅表达一个意思,这些词的粒度是小的。而第二组词虽然也基本由两个字组成,也只有一个意思,但这些词还可以拆分,如篮和球、橡皮和檫、踢和球等,这类词粒度要稍微大一些。而后面的第四组,不要说粒度就更大了。

再看看下面一组词:
勒布朗.詹姆斯、变形金刚4、北京百度网讯科技有限公司、中华人民共和国
这类词尽管很长,但都是专名词,是一类比较特殊的词,只表达一个意思,粒度也都不大。但机构名、人名等属于有内部结构的专名,比电影电视剧名的粒度稍大一些。

搜索引擎的原理与分词粒度
      搜索引擎最简单的实现方式就是通过返回包含关键字的页面,来满足用户的检索需求。在搜索时,不仅允许用户输入关键字,也可以输入一定范围内的文本。那么这个时候就要进行中文分词得到关键词,然后对结果进行倒排索引获得关键词对应的页面。如果不切分,那么所有的数据库不可能存储所有的词,如果随便切分那么会得到很多无关页面,肯定不能满足用户需求。
      所以,我们需要对文本做合适的切分,关于中文分词百度已有几种方法,而粒度是分词中至关重要的一个因素,这也是为什么解释文本粒度的原因。网站推广效果分享:http://2595123716.qzone.qq.com

公司联系资料

昆明双鼎文化传播公司
所在地区:
云南省 昆明市

免责声明:本站信息均来自互联网或由用户自行发布,本站不对以上信息的真实性、准确性、合法性负责,如果有侵犯到您的利益,请您来函告知我们,我们将尽快删除

华企黄页分类信息   huaqi9.com