|
|
|
Google分词算法值得我们好好研究一下。Google的搜索结果（guǒ）页（yè）(SERP)与搜索关（guān）键字的相关（guān）性，明显（xiǎn）大于百度，这是因为Google把搜索关键（jiàn）字都（dōu）拆分成最基本的词（cí）组和单字后，在根据相关性去匹配数据（jù）库的（de）中（zhōng）内容，而且Google拆分后的最基本词组，完全是根据词典里的词组匹配的，也是说它（tā）符合国家语（yǔ）言文字（zì）工（gōng）作委员会的规范和标准的，这只限于普通词（cí）组(公众人名、著（zhe）名品牌名)。
实例1：测试Google是否有专业（yè）名词（cí）库（kù）
在Google搜索“搜（sōu）索引擎关键字”，Google会把这个关（guān）键字（zì）短语拆分为“搜索（suǒ）—引擎—关键—字”，这是（shì）因为“搜索引擎”和“关键（jiàn）字”都是网络专（zhuān）业词（cí）组（zǔ），可（kě）能Google没有专业（yè）词组（zǔ）库，所以就被拆分成了“搜索—引擎（qíng）—关键—字”。
实例（lì）2：测试Google拆分长关键字
在Google搜索“他（tā）舅WAP流量统计分析（xī）”，Google把这个关键字短语（yǔ）拆分为“他—舅—wap—流量（liàng）—统计—分析（xī）”六部分，“WAP”是一个英文词组，包括Google和其他搜索引擎一般是不拆（chāi）分英文（wén）词组的(就算它不是英文单词)，“流（liú）量”、“统计（jì）”、“分析”都是符合国家语言规范（fàn）的标（biāo）准词（cí）组，“他舅”只（zhī）是中（zhōng）国老（lǎo）百姓一个口头称谓用（yòng）语，不（bú）符（fú）合国家（jiā）语言（yán）规范，在词典中（zhōng）根本就查不到这（zhè），所以Google就把“他舅”拆分成了两个（gè）单字（zì）。
实例（lì）3：测试（shì）品牌名（míng）是否（fǒu）被Google收录为词组
在Google搜索“海尔冰箱”、“惠普电脑（nǎo）”、“华为通讯”、“美的电器”，“五（wǔ）粮液酒”，“夏（xià）利（lì）汽车”、“北京同仁（rén）堂”这（zhè）七（qī）个都（dōu）是（shì）著名（míng）的品（pǐn）牌，结果是（shì）“海尔”、“惠普”、“华（huá）为”、“五粮液”、“同仁（rén）堂（táng）”都是单独的（de）词（cí）组，没有被拆分为单字，“夏利（lì）”、“美的”这两个品牌却被拆（chāi）分成了单字（zì）。不是所有（yǒu）品牌都（dōu）能被Google作为一（yī）个词组收录进（jìn）品牌（pái）词库，Google有（yǒu）自（zì）己的收录（lù）标准的。
实例4：测试Google是否会拆分成语（yǔ）
下面我们搜索一下韩乔生的经典名句“迅雷不及掩耳之势”和“山（shān）清水秀丽”，结果（guǒ）“迅（xùn）雷（léi）不及（jí）掩耳之势”这个短句被拆分成了“迅雷（léi）—不及—掩耳盗铃—之（zhī）—势”，“迅雷”是一个符合汉语言规范的标准词（cí）组，不是指下载工（gōng）具那个“迅雷”，“不及”也是一个词组，“掩耳盗铃”也（yě）是符（fú）合国家（jiā）语（yǔ）言规范的成语，“之（zhī）势”不是标准词组，所以就被拆分为（wéi）两个单字（zì）。“山清水秀丽”被拆分为了“山清水秀—丽”，“山清水秀（xiù）”是一个成语没有拆（chāi）分（fèn）。Google把成语作为几（jǐ）个基本词组（zǔ），不会（huì）进一步拆分。
实例5：测（cè）试（shì）普通之间（jiān）是（shì）否（fǒu）有（yǒu）权重高低之（zhī）分
搜索“山河水灾”这个关键字短（duǎn）语，结（jié）果Google拆分（fèn）为“山河”和“水灾”两个词组;然后搜素（sù）“山河水灾情”这个关键字短语（yǔ），结果Google拆分为“山河”、“水”、“灾情”三（sān）部分，“水”字没有和“灾（zāi）”组成词组，反而“灾”和“情（qíng）”组成了词组，这说“灾情（qíng）”这个词的权重高（gāo）于“水灾”的权（quán）重。这说（shuō）明词组之间也是有权重（chóng）之分（fèn）的。
根据实例测（cè）试推（tuī）断：Google会把搜（sōu）索的关键字(短语)拆（chāi）分为最基（jī）本的词组，这些普通词（cí）组都是（shì）符合汉（hàn）语言规范的标准词（cí）组，不像（xiàng）百度那样收录“人造名词”。Google的词组大致可分为普通名（míng）词、地名、人名等几类，关键字(短语（yǔ）)都是从左向右（yòu），按权重（chóng）高低拆分。这些词组权重从低到高依次（cì）如下：人名<普通词组<地名<成语<领导人（rén）名字。进一步测试品牌名和人名（míng）的权重（chóng）是一（yī）样，都是最低的（de），这只是一个大致顺序（xù），因为同（tóng）一（yī）类词（cí）组还会根据日常使用（yòng）的频率进一步的分级，每一级（jí）的分配（pèi）不同的权重，所以同一类词组（zǔ）之间（jiān）也有权重高低（dī）之分。
|
|
