中国的文字博大精深，不同的标点符号，不同的断句就代表着不同的意思。所以，曾经有一位google的科学家说：“如果可以做好中文搜索引擎，那么我们就不怕任何语种的搜索引擎研究了。”

中文分词对于影响搜索引擎结果排序有着至关重要的作用。我们在实际的搜索引擎优化中，为了避免很多主关键词的大量竞争，也会使用到中文分词技术来做seo优化。

　目前，主流的分词办法有两种，一种是基于统计模型的文字处理，另外一种是基于字符串匹配的逆向最大匹配法。

　　基于统计模型的文字处理

　　从形式上看，词是稳定的字的组合，因此在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息。定义两个字的互现信息，计算两个汉字x、y的相邻共现概率。互现信息体现了汉字之间结合关系的紧密程度。当紧密程度高于某一个阈值时，便可认为此字组可能构成了一个词。这种方法只需对语料中的字组频度进行统计，不需要切分词典，因而又叫做无词典分词法或统计取词方法。但这种方法也有一定的局限性，会经常抽出一些共现频度高、但并不是词的常用字组，例如“这一”、“之一”、“有的”、“我的”、“许多的”等，并且对常用词的识别精度差，时空开销大。实际应用的统计分词系统都要使用一部基本的分词词典(常用词词典)进行串匹配分词，同时使用统计方法识别一些新的词，即将串频统计和串匹配结合起来，既发挥匹配分词切分速度快、效率高的特点，又利用了无词典分词结合上下文识别生词、自动消除歧义的优点。

　　基于统计模型的文字处理，因为技术性比较高，而且只是使用在搜索引擎分词算法的过程中，如果学会，对于seo的帮助会更大，各位可以加入我的seo培训班进行深入讨论。这里更多的说一下基于字符串匹配的逆向最大匹配法。