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。
* g, @- [7 i3 F% _6 F) s  k
　　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。
: T( n: O" E9 g! y+ |* T6 P
+ ^; O1 J4 X! L! B　　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。
4 r& ~$ l* x% N! d* Q: F
6 g& p  h& X. V: H　　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。
1 r% t: r" x* L$ N
　　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。

　　1、短关键词

$ l. ^, a2 L* y3 m' }1 R　　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。

+ D; X  n8 t: m+ ]* @# R　　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。

　　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。

4 y; _* t1 O3 g  O4 i- C9 X　　2、长尾关键词
* }$ w2 u% q9 @; l  P
7 T/ ]( s# m% Z: f　　以“小说阅读网”为例，以下是首页搜索结果展示
- Y; T% ^" ^' C5 S+ V
) {, {- ?; h  }) h6 N　　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。

0 G. k& Q( k% Y* x* G, c　　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。
9 Z* f- |+ _( g* L6 ?. A! c, H: Y- B
　　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。

　　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。
0 L' ]1 O( W# ]  `# h$ r% R: r
　　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。
, {4 `7 F- G& s4 [9 [( S; d) p
  W- s" D" ~1 @+ |( ]; n- g4 [/ I" R　　百度快照颜色有何意义?

　　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。
/ @; d( j: E+ b5 {0 k# m
) K8 e0 i$ F( `　　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。

　　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。
: K; f% H) v. X
# Y6 O2 M: k! r/ @: x5 c* s