此外，切词事理：百度有专有词库(是不成豆割的)比方精采人物(如：毛泽东)明星(如:刘德华)检索量大的词(如：买票难) 。比方百度此刻大略有9万个中文词，那么搜索引擎便可以对千亿级的页面进行分化，遵守中文词库进行了分类。
搜索引擎要在单元时刻内措置万万亿级的页面数据量，是以搜索引擎存在一个中文词库。而在这个词语傍边“大地”不是一个词。
2、基于统计：百度把一个词标红的启事：标红的词凡是为一个关头词，你搜索“学”字的时辰，百度它自认的把“进修”也算作了一个关头词，所以闪现“进修”这个词标红，这就是百度分词法：基于统计分词。 百度中文分词算法：指搜索引擎为了更好的分辨用户的需求，而且为了快速供给给用户需求性信息而操作的算法。 当然这些只是百度中文分词事理的一部分，也不是全对。 百度分词根底有三种分法 1、基于懂得：傻瓜式匹配，小于即是3个中文字符百度是不进行切词的，比方搜索“大书院”。反向分法：编制 大地 刘 强。 本文转载于贵阳论坛及本人博客
。由于的百度的算法是不成能流露出来，贸易机秘若是让你知道，那岂不是有N多的百度了。
3、基于字符串匹配(百度的分词法：正向最大切词法)
最大与最小(最大匹配：一贯匹配到没词可配;最小匹配：匹配出词了就遏制匹配，再从此外一个词初步匹配)比方：百度搜索“湖南大书院屋顶”，百度的一个分词算法我们把它算作一个黑盒子，我们经过过程一些输入关头词，遵守百度的输出功效来剖断百度的分词算法。
信息网址：http://www.khcha.com/ziyuan/view9654.htm