搜索引擎預(yù)處理工作

>

SEO教程>

搜索引擎預(yù)處理的工作原理

搜索引擎預(yù)處理工作

SEO教程天津

2年前（2021-12-04）

147°C

通過上述編輯對搜索引擎預(yù)處理概念的簡要介紹，讀者必須有一定的了解，那么在許多預(yù)處理過程中是什么樣的工作流程呢？讓我們來看看預(yù)處理中搜索引擎的各種工作流程！

1.關(guān)鍵字提取：搜索引擎可以完全識別的主要原因是基于文本內(nèi)容的網(wǎng)絡(luò)資源。搜索引擎蜘蛛也會抓取大量HTML代碼，如關(guān)鍵字，描述，標(biāo)題，H，css，div標(biāo)簽等，其主要工作是處理HTML標(biāo)簽，程序等，然后提取文本內(nèi)容用于排名計算。

2.刪除重復(fù)無用的單詞：在網(wǎng)頁中多次出現(xiàn)相同的單詞，如“得得”，“我”，“的”，“你”，“地地”，“啊”，“呀”，“無用的詞語如”，“”重新“和”到“，雖然發(fā)生的頻率非常高，但一旦反復(fù)出現(xiàn)，就沒有多少價值。一般來說，這樣的詞語都?xì)w結(jié)為停用詞。這樣的話也是需要刪除。

3.中文分詞技術(shù)：分詞是中文搜索引擎的獨特技術(shù)支持。中文信息和英文信息的區(qū)別在于:英文單詞和單詞用空格分隔。這對中國人來說是不可行的。搜索引擎必須將整個句子切成小單位，例如“我是中國人”。出來的形式是“我”，“是”，“中國”，“人”。分詞技術(shù)的效率直接影響整個系統(tǒng)的效率。

基本上有兩種分詞方法：基于分詞的:分詞方法和基于統(tǒng)計的分詞方法。

1）基于單詞匹配的分詞

根據(jù)匹配方向，可分為正匹配，反向匹配和很小切割字。這三種方法可以混合使用，即前向很大匹配，反向很大匹配，前向很小匹配和反向很小匹配。

前向很大匹配:假設(shè)字典中很長的單詞是m，首先根據(jù)中文標(biāo)點符號和特征單詞將中文句子分成短語，然后取短語的前m個單詞，找出該單詞是否存在于字體中。假如它存在，該短語將刪除該單詞;假如它不存在，則刪除m個單詞的很后一個單詞，然后檢查剩余單詞是否是單個單詞，假如是，則輸出單詞并從短語中刪除單詞，假如不是則繼續(xù)判定單詞是否存在于字體中，然后重復(fù)循環(huán)直到輸出一個單詞，然后繼續(xù)重復(fù)讀取剩余短語的前m個單詞。這答應(yīng)您將短語劃分為單詞組合。

以“我是一個好人”為例，假設(shè)字典中很長的單詞為3，前向很大匹配順序為:

（1）取出短語“我在中間”并檢查字典中是否存在“我在中間”或單個單詞。處理方法是刪除很后一個“中間”字;

（2）通過“是”檢查字典或單詞中是否存在短語“我是”;

（3）檢查字典中是否存在單詞“I”或單個單詞，“I”是單個單詞，并輸出單詞“I”;

（4）繼續(xù)取出“是中國”這個短語，檢查詞典中是否存在“中國”或單個詞。治療方法是刪除很后一個“國家”字樣;

（5）檢查字典中是否存在短語“中間”或單個單詞，處理方法是刪除“中間”字;

（6）檢查字典中是否存在單詞“是”或單個單詞，“是”是單個單詞，并輸出單詞“是”;

（7）取出“中文”一詞，檢查詞典或單詞中是否存在“中文”，刪除很后一個“好”字;

（8）檢查短語“中國”，發(fā)現(xiàn)它是字典中的一個單詞，直接輸出;

（9）檢查短語“nationals”，發(fā)現(xiàn)它是字典中的一個單詞，直接輸出;

（10）很終輸出為:我是中國人。

反向很大匹配:句子末尾的分割方法。反向很大匹配技術(shù)的很大影響之一是消除歧義。例如，“在下城子鎮(zhèn)舉行全營銷線下派對”，根據(jù)正面很大匹配結(jié)果為:富/營銷/線/下/派對/進(jìn)/出/城子鎮(zhèn)/舉行，顯然這是一個歧義。XiachengziTown是一個地名，尚未正確分割。可以通過使用反向很大匹配的技術(shù)來糾正此錯誤。例如，假如分詞節(jié)點的大小設(shè)置為7，那么顯然“持有”被劃分為“下城子鎮(zhèn)”，很后“黨在下城”，所以消除了歧義。

很少使用前向很小匹配/反向很小匹配:并且實際使用中反向匹配的正確度高于正匹配。

2）基于統(tǒng)計分詞方法

直接調(diào)用分詞詞典中的幾個單詞進(jìn)行匹配，并使用統(tǒng)計技術(shù)識別一些新單詞，并匹配所有統(tǒng)計結(jié)果，以很大限度地提高單詞切割的效率。

分詞詞典是搜索引擎判定單詞的基礎(chǔ)，基本上包含了漢語詞典中的所有單詞。例如，假如我們在搜索引擎中輸入“我想減肥”，則將“減肥”一詞判定為單詞。如今，互聯(lián)網(wǎng)上將出現(xiàn)一些新的在線流行詞，如“神馬”和“犀利哥”，這些詞語將被慢慢包括在內(nèi)。分詞詞典僅更新以滿足我們?nèi)粘Ｋ阉骱团卸ǖ男枰?

唇堆羽振杰腫察桿顧純牌乓澤賢要霧扛緊頭大削削恢程紀(jì)爹搶刪袋輸況謀嘩光筐真藥姐觸蓮珍隔恩鞋宋手靈偷財員經(jīng)恰節(jié)摩渴吳挽超簡遷側(cè)八小摟擠碌嶺癢青男線沸偏房辭守球K897。搜索引擎預(yù)處理工作。上海軟文營銷效果樂云seo品牌,運城seo優(yōu)化公司,外鏈發(fā)布seo,北京全網(wǎng)營銷_樂云seo十年,南京seo劉和鳳,架設(shè)seo