對(duì)于剛?cè)肼毜腟EO人員，日常工作中，我們很少談?wù)?ldquo;中文分詞”與“文本分析”，但在實(shí)際的SEO項(xiàng)目操作中，一個(gè)成熟的SEO運(yùn)營，有必要的進(jìn)一步對(duì)二者進(jìn)行加以了解。
理由很簡單，它是搜索引擎的工作原理中最基礎(chǔ)，而又十分重要的因素之一，在此之前，我們更多的是對(duì)“中文分詞”的了解，而本文，我們也會(huì)進(jìn)一步討論：文本分析在SEO中的重要性。
根據(jù)以往SEO關(guān)鍵詞優(yōu)化的經(jīng)驗(yàn)，將通過如下內(nèi)容，進(jìn)一步闡述二者的重要性：
1、中文分詞
簡單理解：在SEO優(yōu)化的過程中，我們偶爾會(huì)遇到這樣一種情況，那就是當(dāng)你檢索某一個(gè)特定詞組的時(shí)候，你會(huì)發(fā)現(xiàn)網(wǎng)頁title中，并沒有包含特定的完整關(guān)鍵詞，而該頁面卻在SERP中，排名第一。
這就要提到我們：中文分詞對(duì)頁面相關(guān)性的理解，實(shí)際上，對(duì)于任何一個(gè)內(nèi)容頁面，搜索引擎都會(huì)常識(shí)抓取與識(shí)別頁面詞組，利用一個(gè)個(gè)詞組的頻率，通過復(fù)雜的算法，進(jìn)行頁面相關(guān)性的識(shí)別，從而參與到索引排序中。
通常而言，中文分詞算法主要包括如下四個(gè)策略：正向最大匹配法、逆向最大匹配法、最少切分、雙向最大匹配法。
當(dāng)然，中文分詞是一個(gè)動(dòng)態(tài)更新的過程，每天都會(huì)產(chǎn)生大量的新詞匯，對(duì)于搜索引擎而言，它需要利用一定周期學(xué)習(xí)，一般而言它基于詞典（類似于海量關(guān)鍵詞庫）以及相關(guān)統(tǒng)計(jì)方法，進(jìn)行篩選與相關(guān)性計(jì)算。
一般而言，一個(gè)內(nèi)容頁面，在分詞后，被搜索引擎會(huì)按照簡單的四個(gè)要素，進(jìn)行基礎(chǔ)性分類，比如：
① 關(guān)鍵詞
② 詞性（關(guān)鍵詞的屬性，名詞、動(dòng)詞、形容詞等）
③ 頻率
④ 權(quán)重（它類似于關(guān)鍵詞密度）
從而經(jīng)過一些列的數(shù)據(jù)分析與評(píng)估，進(jìn)入倒排索引的序列，用于用戶檢索時(shí)，給出相應(yīng)的搜索結(jié)果。
2、文檔分析
相對(duì)于中文分詞而言，如果說它是從詞的角度理解頁面內(nèi)容，而經(jīng)過蝙蝠俠IT多年的實(shí)戰(zhàn)經(jīng)驗(yàn)，則認(rèn)為文檔分析，則更加強(qiáng)調(diào)頁面結(jié)構(gòu)的屬性，它主要包括：
① 字?jǐn)?shù)統(tǒng)計(jì)：內(nèi)容頁面，可識(shí)別文字的數(shù)量，側(cè)面反應(yīng)頁面的長度。
② 項(xiàng)目符號(hào)：段落中使用的邏輯符號(hào)，以及文本內(nèi)容中，特有表情字符的利用。
③ 邏輯結(jié)構(gòu)：它主要包括段落行文結(jié)構(gòu)，內(nèi)在的邏輯關(guān)系，以及相關(guān)性詞語的使用。
④ 文本標(biāo)簽：常見頁面標(biāo)簽的使用，比如：H標(biāo)簽與<strong>標(biāo)簽等。
⑤ 文本比率：在早期一篇關(guān)于SEO代碼優(yōu)化的文章中，我們進(jìn)行了詳細(xì)的闡述。
其中，文檔分析中所涉及的相關(guān)元素，使得每個(gè)頁面，具有一定的獨(dú)立性，在成千上萬頁面中，具備一定的稀缺性，特別是針對(duì)相關(guān)影響因子，統(tǒng)計(jì)分析，它與網(wǎng)站排名之間的關(guān)系。
因此，文檔分析在SEO的工作中，顯得格外重要。
總結(jié)：與其說，中文分詞，讓我們深刻理解，頁面相關(guān)性的問題，而文檔分析，則是讓頁面脫穎而出的一個(gè)利器，而上述內(nèi)容，只是針對(duì)相關(guān)概念的簡單闡述，涉及的原理只是冰山一角，僅供參考。
