|
|
|
Google分词算法值得我们好好研究一下。Google的搜（sōu）索结果（guǒ）页（yè）(SERP)与搜索关键（jiàn）字的相（xiàng）关性，明（míng）显大于百度（dù），这是因为Google把搜索关键字都拆分成最基（jī）本的（de）词组和单字后，在根据相关性（xìng）去匹配数据库的中内容，而且Google拆分后的最（zuì）基本（běn）词（cí）组，完全（quán）是根据词典里的词组（zǔ）匹（pǐ）配的，也是说它符合国（guó）家语（yǔ）言（yán）文字工作委员会的（de）规（guī）范和标准（zhǔn）的（de），这只限于普通（tōng）词组(公众人名（míng）、著名品（pǐn）牌名)。
实（shí）例1：测试Google是（shì）否有专（zhuān）业名词库
在（zài）Google搜索“搜索引擎关键字（zì）”，Google会把这个关键字短（duǎn）语拆分为“搜（sōu）索（suǒ）—引擎—关键—字”，这是因为“搜索引擎”和“关键字”都是网（wǎng）络专业词组，可能Google没有专业词组库（kù），所以就被拆分（fèn）成了“搜索—引（yǐn）擎—关（guān）键（jiàn）—字”。
实例2：测试Google拆分长关键字
在Google搜索“他舅WAP流量统（tǒng）计分析”，Google把这个关键字短语拆（chāi）分为“他—舅—wap—流量—统计—分析”六（liù）部分，“WAP”是（shì）一个英文词组，包括Google和（hé）其（qí）他搜索引（yǐn）擎一般是不（bú）拆分英文词组（zǔ）的(就算它不是英（yīng）文单词)，“流量”、“统计”、“分析”都是符合（hé）国家（jiā）语言规范（fàn）的标准词组，“他舅”只是中国老百姓一个口（kǒu）头称谓用语（yǔ），不符合国（guó）家语言规范，在词典（diǎn）中根本就查不到（dào）这，所以Google就把（bǎ）“他（tā）舅”拆分成了两个单字。
实例3：测试品牌名是否（fǒu）被Google收录为词组
在Google搜索“海尔冰箱”、“惠（huì）普（pǔ）电脑”、“华为通讯”、“美的电器”，“五粮（liáng）液酒”，“夏利汽车”、“北京同（tóng）仁（rén）堂”这七个都是著（zhe）名（míng）的品牌，结果是（shì）“海尔”、“惠普”、“华为”、“五（wǔ）粮液”、“同仁（rén）堂”都是（shì）单独的词组，没有（yǒu）被拆分为单字，“夏（xià）利”、“美的”这两个品牌却被拆分（fèn）成了单（dān）字。不是（shì）所有品（pǐn）牌都（dōu）能被Google作为一个词组收录（lù）进品牌词库（kù），Google有自己的收录标（biāo）准的。
实例4：测试Google是否会拆分成语
下（xià）面我（wǒ）们（men）搜索（suǒ）一下韩乔生（shēng）的经典名句“迅雷不及（jí）掩耳（ěr）之（zhī）势”和“山清水秀（xiù）丽”，结果“迅雷不及掩耳之势”这个短句被拆分成了“迅雷—不及—掩耳盗铃—之（zhī）—势”，“迅雷”是一个符合（hé）汉语（yǔ）言规范的标准词组，不是指下载（zǎi）工具那个（gè）“迅雷”，“不及”也是一个词组，“掩耳盗铃”也是符（fú）合国家语（yǔ）言规范（fàn）的成语，“之势（shì）”不是标准词组，所以就被（bèi）拆分为两个单字（zì）。“山（shān）清水秀丽”被拆分为（wéi）了（le）“山清水秀—丽”，“山清水秀”是一个成语（yǔ）没有拆分。Google把成语作为几个基（jī）本词组，不会（huì）进一步拆分。
实例5：测试（shì）普通之间是否有权（quán）重（chóng）高低之分
搜索“山河（hé）水灾”这个（gè）关键字短语（yǔ），结果Google拆分（fèn）为“山河”和“水（shuǐ）灾”两个词组;然后搜素“山河（hé）水灾情”这个关键字短语，结果Google拆分为“山河”、“水”、“灾情”三部分，“水”字没（méi）有和“灾”组成词组，反（fǎn）而“灾”和“情”组成了词组，这说“灾情”这（zhè）个词的（de）权重高于“水灾”的权重。这说明词组之间也是有权（quán）重之分（fèn）的。
根据实例测试推断：Google会把搜索的关键字（zì）(短（duǎn）语)拆分为最基（jī）本的词组（zǔ），这些普通词组都是（shì）符合汉语言规范的标准词组，不像百度那样（yàng）收录“人造（zào）名词”。Google的（de）词组大致可分为（wéi）普通名词、地名、人（rén）名等几类，关键（jiàn）字(短语)都是（shì）从（cóng）左向右，按（àn）权（quán）重高低拆分。这些词组（zǔ）权重从（cóng）低到（dào）高依次如下：人名<普（pǔ）通词（cí）组（zǔ）<地（dì）名<成语<领导人名字。进一步测试品牌名和人名（míng）的权重是一（yī）样，都是最低的，这只是一个大致顺序（xù），因为（wéi）同一类词组还会根（gēn）据日常使用（yòng）的频率进一步的分级（jí），每一（yī）级的分配不同的权（quán）重，所以同（tóng）一类词（cí）组之（zhī）间也有权（quán）重高低之分。
|
|
