百度中文分詞算法：指搜索引擎為了更好的辨別用戶的需求，并且為了快速提供給用戶需求性信息而使用的算法。搜索引擎要在單位時(shí)間內(nèi)處理千萬億級(jí)的頁面數(shù)據(jù)量，因此搜索引擎擁有一個(gè)中文詞庫。比如百度現(xiàn)在大約有9萬

百度中文分詞算法：指搜索引擎為了更好的辨別用戶的需求，并且為了快速提供給用戶需求性信息而使用的算法。

搜索引擎要在單位時(shí)間內(nèi)處理千萬億級(jí)的頁面數(shù)據(jù)量，因此搜索引擎擁有一個(gè)中文詞庫。比如百度現(xiàn)在大約有9萬個(gè)中文詞，那么搜索引擎就可以對(duì)千億級(jí)的頁面進(jìn)行分析，按照中文詞庫進(jìn)行了分類。

百度分詞基本有三種分法

1、基于理解：傻瓜式匹配，小于等于3個(gè)中文字符百度是不進(jìn)行切詞的，比如搜索大學(xué)堂。

2、基于統(tǒng)計(jì)：百度把一個(gè)詞標(biāo)紅的原因：標(biāo)紅的詞一般是一個(gè)關(guān)鍵詞，你搜索學(xué)字的時(shí)候，百度它自認(rèn)的把學(xué)習(xí)也當(dāng)成了一個(gè)關(guān)鍵詞，所以出現(xiàn)學(xué)習(xí)這個(gè)詞標(biāo)紅，這就是百度分詞法：基于統(tǒng)計(jì)分詞。

3、基于字符串匹配（百度的分詞法：正向最大切詞法）

最大與最?。ㄗ畲笃ヅ洌阂恢逼ヅ涞?jīng)]詞可配；最小匹配：匹配出詞了就停止匹配，再從另一個(gè)詞開始匹配）比如：百度搜索湖南大學(xué)堂屋頂，百度的一個(gè)分詞算法我們把它當(dāng)成一個(gè)黑盒子，我們通過一些輸入關(guān)鍵詞，根據(jù)百度的輸出結(jié)果來判定百度的分詞算法。正向與反向（正向：從前往后配；反向：從后往前配）（湖南大學(xué)堂屋頂）正向分法：湖南大學(xué) 堂屋 頂 （劉強(qiáng)大地方法）正向分法：劉 強(qiáng)大 地方 法。反向分法：方法 大地 劉 強(qiáng)。而在這個(gè)詞語當(dāng)中大地不是一個(gè)詞。

另外，切詞原理：百度有專有詞庫（是不可分割的）比如杰出人物（如：毛澤東）明星（如：劉德華）檢索量大的詞（如：買票難） 。

當(dāng)然這些只是百度中文分詞原理的一部分，也不是全對(duì)。因?yàn)榘俣人惴ㄊ遣豢赡芡嘎冻鰜?，商業(yè)機(jī)秘如果讓你知道，那豈不是有N多的百度了。