長沙尤度網(wǎng)絡(luò)為您分析：網(wǎng)站建設(shè)中拼寫檢查系統(tǒng)中的主要問題

  在網(wǎng)絡(luò)營銷中，整體流程看起來很簡單，但是還有一些遺留的小問題，比如是否將詞表里面所有同音詞都作為用戶的提示信息呢？比如某個(gè)拼音有10個(gè)同音詞，是否都輸出呢？百度并沒有將所有同音詞都輸出而是選擇一定篩選標(biāo)準(zhǔn)，選擇其中幾個(gè)輸出。下面網(wǎng)站推廣編輯來和大家具體分析一下。
　?。?）系統(tǒng)如何判斷用戶的輸入是有可能發(fā)生錯誤的查詢呢？
　?。?）如果判斷是可能錯誤的查詢輸入，如何提示正確的詞匯呢？
　　那么在網(wǎng)絡(luò)營銷中，我們看到的百度是如何做的呢？百度判斷用戶輸入是否錯誤的 標(biāo)準(zhǔn)，我覺得應(yīng)該是查字典，如果發(fā)現(xiàn)字典里面不包含這個(gè)詞匯，那么很有可能是個(gè)錯誤的輸入，此時(shí)啟動錯誤提示功能，這個(gè)很好判斷，因?yàn)槿绻且粋€(gè)正常詞匯的話，百度一般不會有錯誤提示，而你故意輸入一個(gè)詞典不可能包含的網(wǎng)站推廣所謂詞匯，此時(shí)百度一般會提示你正確的檢索詞匯。
　　那么百度是怎么提示正確詞匯的呢？很明顯是通過拼音的方式，比如我輸入查詢“ 制才”，百度提供的提示詞匯為： “：制裁 質(zhì)材 紙材“，都是同音字。所以百度必然維持著一個(gè)同音詞詞典，里面保留著同音詞信息，比如可能包含著下面這條詞條： “ zhi cai à制裁，質(zhì)材，紙材”，另外還有一 個(gè)標(biāo)注拼音程序，現(xiàn)在能夠看到的基本流程是： 用戶輸入“ 制才”，查詞典，發(fā)現(xiàn)沒有這個(gè)詞匯，OK，啟動標(biāo)注拼音程序，將“ 制才”標(biāo)注為拼音“zhi cai”，然后查找同音詞詞典，發(fā)現(xiàn)同音詞“ 制裁，質(zhì)材，紙材”，那么提示網(wǎng)絡(luò)營銷用戶可能的正確拼寫。
　　怎么證明這一點(diǎn)？我們看看拼音“l(fā)iu li”的同音詞，紫光輸入法提示同音詞匯有“ 流麗 流離 琉璃 流利”4個(gè)，我們看看百度返回幾個(gè)，輸入“流厲”作為查詢，這里是故意輸入一個(gè)詞典不包含的網(wǎng)站推廣詞匯，這樣百度的拼寫檢查才開始工作，百度提示： “ 琉璃劉麗 劉莉 ”，這說明什么？說明不是所有同音詞都輸出，而是選擇輸出，那么網(wǎng)絡(luò)營銷選擇的標(biāo)準(zhǔn)是什么？我能夠猜測到的方法是對于用戶查詢LOG進(jìn)行 統(tǒng)計(jì)，提取用戶查詢次數(shù)多的那些同音詞輸出，如果是這樣的話，上面的例子說明用戶搜索“琉璃”次數(shù)比其它的都要高些，次之是“ 劉麗”，再次是“ 劉莉”，看來大家都喜歡查詢自己或者認(rèn)識的人的名字。
　　另外一個(gè)小問題：同音詞詞典包含2字詞，3字詞，那么是否包含4字詞以及更長的詞 條？是否包含一字詞？ 這里一字詞好回答，不用測試也能知道肯定不包含，因?yàn)槟爿斎胍粋€(gè)字，誰知道是否是錯誤的呢？反正只要是漢字就能在詞表 里面找到，所以沒有判斷依據(jù)。二字詞是包含的，上面有例子，三字詞也包含，比如查詢 “中城藥”百度錯誤提示：“中成藥”，修改查詢?yōu)椤爸爻撬帯?，還 是提示“中成藥” ，再次修改查詢 “重城要”，百度依然提示“中成藥”。 那么4字詞匯呢？
　　百度還是會給你提示的，下面是個(gè)例子：
　　輸入：靜華煙云 提示 京華煙云
　　輸入：靜話煙云 提示 京華煙云
　　輸入：靜話閻暈 提示 京華煙云
　　那么更長的詞匯是否提 示呢？也提示，比如我輸入： “落花世界有風(fēng)軍”，這個(gè)查詢是什么意思，估計(jì)讀過古詩的都知道，看看百度的提示“落花時(shí)節(jié)又逢君”，這說明什么？說 明同音詞詞典包含不同長度的同音詞信息，另外也說明了百度的核心中文處理技術(shù)，也就是那個(gè)詞典，還真挺大的。
　　但是，如果用戶輸入的 查詢由兩個(gè)或者兩個(gè)以上子字符串構(gòu)成，那么百度的錯誤提示功能就罷工了，比如輸入查詢“哀體”，百度提示“艾提 挨踢”，但是。輸入為 “我 哀體 ”，則沒有任何錯誤提示。
　　還有一個(gè)比較重要的問題：如果漢字是多音字那么怎么處理？百度呢比較偷懶，它根本就沒有對多音字做網(wǎng)站推廣處理。我 們來看看百度的一個(gè)標(biāo)注拼音的錯誤，在看這個(gè)錯誤前先看看對于多音字百度是怎么提示錯誤的，我們輸入查詢“俱長”，百度提示“劇場 局長”， “俱長“的拼音有兩個(gè)：”ju zhang /ju chang“ ，可見如果是多音字則幾種情況都提示。.現(xiàn)在我們來看看錯誤的網(wǎng)絡(luò)營銷情況， 我們輸入查詢”劇?！埃俣?提示”：劇場局長“，提示為”劇場“當(dāng)然好解釋，因?yàn)槭峭糇郑菫槭裁?”局長“也會被提示呢？這說明百度的同音字詞典有錯誤，說明在”ju chang“這個(gè)詞條里面包含”局長“這個(gè)錯誤的同音詞。讓我們順藤摸瓜，這個(gè)錯誤又說明什么問題呢？說明百度的同音詞典是自動生成的，而且沒有 人工校對。還說明在自動生成同音詞典的過程中，百度不是根據(jù)對一篇文章標(biāo)注拼音然后在抽取詞匯和對應(yīng)的網(wǎng)絡(luò)營銷拼音信息獲得的，而是完全按照某個(gè) 詞典的詞條來標(biāo)注音節(jié)的，所以對于多音字造成的錯誤無法識別出來，如果是對篇章進(jìn)行拼音標(biāo)注，可能就不會出現(xiàn)這種很容易發(fā)現(xiàn)的錯誤標(biāo)注。 當(dāng)然還有另外一種解釋，就是”局長“是故意被百度提示出來可能的正確提示詞匯，因?yàn)榭紤]到南方人”zh“和 ”ch“等前后鼻音分不清么，那么是這 樣的么？我們繼續(xù)測試到底是何種情況。是百度網(wǎng)站推廣有錯誤還是這是百度的先進(jìn)的算法？
　　我們考慮詞匯”長大 “，故意錯誤輸入為”贓大“，如果 百度考慮到了前后鼻音的問題，那么應(yīng)該會提示”長大“，但是百度提示是”藏大“。這說明什么？說明百度并沒有考慮前后鼻音問題，根本就是系統(tǒng)錯 誤。 我們輸入查詢”懸賞“，故意將之錯誤輸入為”懸?！?，沒有錯誤提示，說明確實(shí)沒有考慮這種網(wǎng)絡(luò)營銷情況。前鼻音沒有考慮，那么后鼻音考慮了么，我們 輸入”：經(jīng)常“，故意改為后鼻音 ”經(jīng)纏“，百度提示為”經(jīng)產(chǎn) 經(jīng)懺“，還是沒有考慮后鼻音。這基本可以確定是百度系統(tǒng)的網(wǎng)站推廣錯誤導(dǎo)致。
　　最后一個(gè)問題：百度對于英文進(jìn)行拼寫檢查么？讓我們試試看，輸入查 詢”china“，不錯，搜到不少結(jié)果，專注中文搜索的百度還能搜索到英文，真是意外的驚喜。變換一下查詢”chine“，會更加意外驚喜的給我們提 示”china“嗎？百度提示的是： 吃呢持呢，原來是不小心觸發(fā)了百度的拼音網(wǎng)絡(luò)營銷搜索功能了。那么拼音搜索和中文檢查錯誤是否采用同一套同音詞詞典 呢，讓我們來實(shí)驗(yàn)一下，搜索”rongji“，百度提示” 榕基 溶劑 容積“，OK，換個(gè)中文查詢”容機(jī)“，百度提示” 榕基 溶劑容積“，看來使用的是同一套 同音詞詞典。也就是說百度的中文糾錯和拼音檢索使用的機(jī)制相同，中文糾錯多了一道拼音注音的網(wǎng)站推廣過程而已。難道這就是傳說中那個(gè)百度的”事實(shí) 上是一個(gè)無比強(qiáng)大的拼音輸入法“的拼音提示功能么？
　　總結(jié)：在網(wǎng)絡(luò)營銷中， 我們可以得出如下結(jié)論：百度是將分詞詞典里面每個(gè)詞條利用拼音標(biāo)注程序標(biāo)注成拼音，然后形成同音詞詞典，所以兩個(gè)詞典是同樣大的 ，而且這個(gè)詞典也隨著分詞詞典的增長而在不斷增長。 至于標(biāo)注過程中多音字百度沒有考慮，如果是多音字就標(biāo)注成多個(gè)發(fā)音組合，通過這種方式 形成同音詞詞典。這樣的網(wǎng)站推廣同音詞詞典顯然包含著很多錯誤。

 詳情請進(jìn)入：http://m.wgl02ny.cn