有朋友問我,站點除了「合肥SEO」「合肥網站推廣」上了首頁,「安徽SEO」「安徽網站推廣」「安徽網站優化」也一併排在百度首頁,是怎麼做到的。正好借這個機會聊聊中文分詞,以下都是個人的理解,歡迎交流。
搜索引擎工作流程中有一個預處理環節,會對抓到的頁面做多道工序,為後續排名做準備,分詞就是其中一道。英文以單詞為單位、靠空格分隔;中文以字為單位、中間沒有分隔符。兩者差異極大,因此中文分詞自成一套技術。從現有研究看,主要沿兩條路線展開。
把待處理的詞或句與詞典中的條目做匹配,掃描後切為句、詞、字。細分方式包括:按掃描方向分正向匹配與逆向匹配;按長度優先分最大匹配與最小匹配;兩者混合則有正向最大匹配、逆向最大匹配等。
對大量語料做統計,計算字、詞、句共現的概率——幾個字鄰近出現的頻次越高,越容易構成一個詞,句子同理。
詞典匹配的速度快,準確度取決於詞典的完備程度與時效性;統計方法更靈活,利於消除歧義,但速度較慢。實用系統通常把兩者結合,兼顧效率與準確率。
1. 「合肥SEO」會被切為「合肥」+「SEO」;「合肥網站推廣」可切為「合肥」+「網站」+「推廣」,也可切為「合肥」+「網站推廣」或「合肥網站」+「推廣」。這類拆分容易理解,應用也最廣。實測百度搜「合肥SEO」,前二十條中只有一條不是完全匹配;「合肥網站推廣」前二十條中四條非完全匹配。
2. 「安徽合肥SEO」可切為「安徽」+「合肥」+「SEO」,也可切為「安徽合肥」+「SEO」或「安徽」+「合肥SEO」;但依據搜索統計,它還可能被切為「安徽SEO」+「合肥」。因此我的博客標題能同時被拆出「安徽」+「網站推廣」與「安徽」+「網站優化」。效果上歸納三點:
(1)分清主次。把競爭力大的詞整體保留,競爭力小的詞去做組合拆分。我的博客主做「合肥SEO」,分詞覆蓋「安徽SEO」。
(2)站內要真的出現拆分後的詞,比如「安徽SEO」,這是在告訴搜索引擎應該怎麼切;同時可用加粗、反顯、錨文本等方式強化了這一信號。
(3)外鏈與友鏈建設時,除了主關鍵詞,也要覆蓋拆分出來的詞。
3. 還有觀點認為搜索引擎正逐步走向模擬中文語法、理解語義。「安徽合肥SEO-合肥網站推廣-合肥網站優化」這樣的標題,理想狀態下可拆出六組組合。不過漢語的複雜程度,讓機器真正做到基於理解的分詞,仍有很長的路。
最後要說的是,這種效果與域名本身也有关联。當然,這套玩法更適配百度,Google端似乎並不明顯。