如何通过百度快照分析中文分词和百度排名

ＴＭＤ

很多站长抱怨百度算法反复无常，排名忽上忽下，鲜少有人去仔细的研究和分析百度排名背后的意义。笔者就先来抛砖引玉，谈一谈通过百度快照来分析中文分词和百度排名的关联。由于并非搜索引擎专业人士，只是通过快照现象得出的个人观察结论，不一定准确，只为广大站长起一个去认真观察分析的引子而已。

　　笔者觉得有必要先解释下中文分词的概念。百科定义：中文分词(Chinese Word Segmentation) 指的是将一个汉字序列切分成一个一个单独的词。分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。
- l  }7 `4 s7 o  a
- W. _5 w/ l6 J6 m+ F4 J　　之所以会有中文分词，是因为汉语语法的特殊性。中文分词对于搜索引擎来说，最重要的就在于相关性排序，中文分词的好坏，常常直接影响到对搜索结果的网页排名，尤其是百度的中文分词对搜索排名的影响。据百科解释，现有的中文分词算法有基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法这三类。
. Z" _6 r  J9 a9 p7 R
　　当然，百度的搜索结果排名并不是单纯的中文分词，也不仅仅是单一的一种中文分词，往往是三种分词算法的综合应用。
/ n+ M+ v' n' V$ R8 c
6 t! j6 T8 ?3 @( {　　百度快照是个神奇的东西，可以解决或者了解网站以及百度的很多内容。除了可以快速查看某个无法打开或者打开速度特别慢的页面，还可以查看网页被百度收录情况，也可以用来识别一些虚假友情链接页面，当然也可以用来了解百度中文分词的一些情况。我们来看一下一些关键词的搜索结果的百度快照页面。
: u0 o9 E9 e6 D, A/ |# ^5 _$ [; r
　　1、短关键词
& C. @( K6 J, g5 k7 Q; M" s2 @
　　以搜索“百度快照”为例，从表面看，搜索结果中对“百度快照”的字符串匹配有完全匹配，也有不完全匹配，似乎是网站权重高排在首页。

4 \* T% R1 r3 Z0 n" d　　打开第一个百度快照页面，可以看到“百度快照”四个字被黄色标识，并且快照页面有“百度快照”关键字的正向最大匹配。
) f3 H9 u& s3 J; W, s( }  p
　　打开第二个百度快照页面，可以看到“百度快照”四个字同样被黄色标识，并且快照页面有“百度快照”关键字的正向最大匹配。

3 m6 _" j2 r6 |　　2、长尾关键词
) y  q$ Y, E, h4 g( N
% p& o# {; ~/ v% [; ], G　　以“小说阅读网”为例，以下是首页搜索结果展示
' a; N! f- B( H4 M8 ]
) u* Q4 G# i. Y  e　　打开第一个百度快照页面，可以看到“小说阅读网”关键词被黄色标识，页面关键字是正向最大匹配。其它也大抵如此。

4 X: Y3 j3 i5 k5 N7 H! O　　但也有并非是完全匹配词，打开第三个百度快照页面，“小说阅读网”五个字被黄蓝青三色分开标识，分别拆成“小说”、“阅读”“网”三个词，快照页面也没有对这五个字完全匹配。
5 \3 ?: i% m) r7 x4 p1 a
　　搜索一下其它词汇，首页搜索结果大部分的百度快照页面也大都如此，不在此一一展示，大家平时可以多观察一下看看。
( R! F4 g! F: b8 f4 P+ y  ]. T
　　我们或许可以看出两个情况：

　　1、百度首页排名的网站有一个共同点：页面对于搜索的关键词基本是正向最大匹配。即排名首页网站的页面大多对于所搜索关键词正向最大匹配。

　　2、对于中文分词，通过长尾词搜索，可以看出百度对于关键词或者说长尾词是如何拆分的。

% Q( |2 H/ R% {. p　　百度快照颜色有何意义?
2 u  Y' \. {: r# l
0 Q7 t5 ]7 M7 \4 s2 w% \　　另外，还有个探索性问题，对于百度快照中关键词拆分中的颜色代表何意?一般有黄、蓝、青、红四种主要颜色。

7 F" t# S3 L" e: V4 _) c. `　　笔者分析：黄色代表所搜关键词的主关键词，即一个短语或者词组的侧重点，是用户搜索的主体;红色代表所搜索关键词的内容，是用户要搜索主体的重点;蓝色则是对主体的解释，起到辅助说明作用;青色一般是辅助词，可有可无。
( Z( [, x# D( o
　　当然这是笔者的一种猜测性分析，不正确之处大家可以一起交流。
0 K& H6 x& [6 n8 ?