【正文】 搜集和發(fā)現信息，再對信息進行處理和組織后為用戶提供web信息查詢服務。目前在中文搜索引擎領域，國內的搜索引擎已經和國外的搜索引擎效果上相差不遠。二、什么是中文分詞？中文分詞技術就是搜索引擎針對用戶提交查詢的關鍵串進行的查詢處理后，根據用戶的關鍵詞串用各種匹配方法進行的一種技術。把中文的漢字序列切分成有意義的詞，就是中文分詞，有些人也稱為切詞。中文分詞到底對搜索引擎有多大影響？對于搜索引擎來說，最重要的并不是找到所有結果，因為在上百億的網頁中找到所有結果沒有太多的意義，沒有人能看得完，最重要的是把最相關的結果排在最前面，這也稱為相關度排序。(一)基于字典、詞庫匹配的分詞方法這種方法又叫做機械分詞方法，它是按照一定的策略將待分析的漢字串與一個“充分大的”機器詞典中的詞條進行配，若在詞典中找到某個字符串，則匹配成功（識別出一個詞）。如果詞典中找不到這樣的一個i字詞，則匹配失敗，將匹配字段中的最后一個字去掉，對剩下的字串重新進行匹配處理…… 如此進行下去，直到匹配成功，即切分出一個詞或剩余字串的長度為零為止。相應地，它使用的分詞詞典是逆序詞典，其中的每個詞條都將按逆序方式存放。所以，逆向最大匹配法比正向最大匹配法的誤差要小。還可以將上述各種方法相互組合，例如，可以將正向最大匹配方法和逆向最大匹配方法結合起來構成雙向匹配法。但這種精度還遠遠不能滿足實際的需要。（二）全切分和基于詞的頻度統(tǒng)計的分詞方法基于詞的頻度統(tǒng)計的分詞方法是一種全切分方法。全切分算法能取得所有可能的切分形式，它的句子覆蓋率和分詞覆蓋率均為100%，但全切分分詞并沒有在文本處理中廣泛地采用。它的優(yōu)點在于可以發(fā)現所有的切分歧義并且容易將新詞提取出來。由于漢語語言知識的籠統(tǒng)、復雜性，難以將各種語言信息組織成機器可直接讀取的形式。到底哪種分詞算法的準確度更高，目前并無定論。中文是一種十分復雜的語言，讓計算機理解中文語言更是困難。所以，分詞與這些信息的運用是既相聯系又相制約的一種相輔相成的關系，而純粹的機械切分必然會帶來切分歧義。像這種交叉歧義十分常見由于沒有人的知識去理解，計算機很難知道到底哪個方案正確。真歧義意思是給出一句話，由人去判斷也不知道哪個應該是詞，哪個應該不是詞。最典型的是人名，人可以很容易理解句子“張三虎是山東人”中，“張三虎”是個詞，因為是一個人的名字，但要是讓計算機去識別就困難了。判斷一個系統(tǒng)的中文分詞功能好壞,主要在于消歧功能和對未登錄詞識別功能。一個基于詞典與統(tǒng)計的中文分詞算法[D]。搜索引擎：信息檢索實踐 機械工業(yè)出版社2010年。2007年【3】 梁斌。【參考文獻】【1】 吳勝遠。即使這項工作可以完成，還是會存在問題，例如：在句子“張三虎頭虎腦的”中，“張三虎”還能不能算詞？新詞中除了人名以外，還有機構名、地名、產品名、商標名、簡稱、省略語等，還有目前網絡流行語詞，如“有沒有”、“傷不起”“神馬浮云”、“童鞋們”、“蘿莉”等等都是很難處理的問題，而且這些又正好是人們經常使用的詞，因此對于搜索引擎來說，分詞系統(tǒng)中的新詞識別十分重要。（二）新詞專業(yè)術語稱為未登錄詞。例如，在句子“這個門把手壞了”中，“把手”是個詞，但在句子“請把手拿開”中，“把手”就不是一個詞；在句子“將軍任命了一名中將”中，“中將”是個詞，但在句子“產量三年中將增長兩倍”中，“中將”就不再是詞。例如：學歷史知識，因為“學歷”和“歷史”都是詞，那么這個短語就可以分成“學歷”和“歷史”。（一）切分歧義就人對漢語的理解而言，漢語的分詞是一個理解的過程，這個過程綜合了詞法、語法、語義等各種信息。筆者了解，海量科技的分詞算法就采用“復方分詞法”，所謂復方，相當于用中藥中的復方概念，即用不同的藥才綜合起來去醫(yī)治疾病，同樣，對于中文詞的識別，需要多種算法來處理不同的問題。（四）一種新的分詞方法并行分詞方法：這種分詞方法借助于一個含有分詞詞庫的管道進行 ,比較匹配過程是分步進行的 ,每一步可以對進入管道中的詞同時與詞庫中相應的詞進行比較 ,由于同時有多個詞進行比較匹配 ,因而分詞速度可以大幅度提高。在總控部分的協調下，分詞子系統(tǒng)可以獲得有關詞、句子等的句法和語義信息來對分詞歧義進行判斷。它不依靠詞典,而是將文章中任意兩個字同時出現的頻率進行統(tǒng)計,次數越高的就可能是一個詞。（1）全切分全切分要求獲得輸入序列的所有可接受的切分形式，而部分切分只取得一種或幾種可接受的切分形式，由于部分切分忽略了可能的其他切分形式，所以建立在部分切分基礎上的分詞方法不管采取何種歧義糾正策略，都可能會遺漏正確的切分，造成分詞錯誤或失敗。一種方法是改進掃描方式，稱為特征掃描或標志切分，優(yōu)先在待分析字符串中識別和切分出一些帶有明顯特征的詞，以這些詞作為斷點，可將原字符串分為較小的串再來進機械分詞，從而減少匹配的錯誤率。一般說來，逆向匹配的切分精度略高于正向匹配，遇到的歧義現象也較少。例如切分字段“碩士研究生產”，正向最大匹配法的結果會是“碩士研究生 / 產”，而逆向最大匹配法利用逆向掃描，可得到正確的分詞結果“碩士 / 研究 / 生產”。然后，根據逆序詞典，對逆序文檔用正向最大匹配法處理即可。（2）逆向最大匹配法(Recerse MaximumMatching Method))通常簡稱為ＲＭＭ法ＲＭＭ法的基本原理與ＭＭ法相同 ,不同的是分詞切分的方向與MM法相反，而且使用的分詞辭典也不同。常用的幾種機械分詞方法如下：（1）最大正向匹配法(MaximumMatching Method)通常簡稱為ＭＭ法其基本思想為：假定分詞詞典中的最長詞有i個漢字字符，則用被處理文檔的當前字串中的前i個字作為匹配字段，查找字典。而且中文分詞的準確度，對搜索引擎結果相關性和準確性有相當大的關系。三、中文分詞與搜索引擎分詞技術使用在搜索引擎網頁預處理階段。例如，英文句子I am a student，用中文則為：“我是一個學生”。一、為什么要進行分詞？漢語是世界上最古老和最豐富的語言之一，但是漢語語法才有將近一百年的歷史，而且現代漢語白話文的形成歷史也比較短，加上漢語自身的特點，因此它的形式化研究更加困難。其中對搜索信息的預處理階段的關鍵技術是中文分詞和建立倒排文件，本文主要論述搜索引擎工作過程中的中文自動分詞技術。配變集中器、軟件只作了一個方案性的設計。具有低壓擴頻載波數據遠傳功能的用戶電能表終端和配變集中器是構成本文所提出的遠程抄表方案的核心裝置。工作電壓：AC165～260V；讀數準確度：計數精度達到小數點后兩位，用戶電能表讀數與標準電能表的誤差不大于1個字()；戶表采集器的性能指標如下：其中，用電采集程序可以進行定時統(tǒng)抄、不定時統(tǒng)抄及單用戶隨時查抄；用電量可按地址統(tǒng)計，也可按相位統(tǒng)計，以便合理地調整配電變壓器A、B、C三相負載的配置，使供電系統(tǒng)的性能發(fā)揮得更好；在電費結算時，可通過分時計費，合理定價，使負載基本恒定；電表參數、用電信息可送到用戶終端，從而非常方便地修改電能表參數，顯示用戶的用電量及結算電費；欠費警告及斷電控制功能可督促用戶按時交費；不安全和違章用電監(jiān)視報警功能可使用電監(jiān)察人員迅速準確地維護用電秩序；日報表、月報表、年報表的形成和輸出方便而快捷。營業(yè)站抄算主機主要由PC機、電話線Modem及其軟件構成。在配變集中器內設置電能表模塊便于對每一相的總電量進行計量和統(tǒng)計分析，以作為用電治理部門考核線損和平衡3相負荷的依據。在信道特性最惡劣的情況下，也要保證不小于600m。顯示模塊由一個8位LED及其動態(tài)掃描控制芯片構成，主要完成電量數據的舊的查詢顯示，便于用戶了解自己的電量或電費情況。即使用戶實施了竊電行為，它仍然可以輸出正確的電量計算脈沖串，并向MCU系統(tǒng)發(fā)出竊電信號。20。CSMA協議網絡的缺點，如時延不確定、重載時效率下降，對數據傳輸量較小的遠程抄表系統(tǒng)來講，并不是值得考慮的問題。實際上就是爭用接入，征用勝利者才能獲得總線，從而發(fā)送自己的信息。應該說，這個系統(tǒng)比較符合營業(yè)用電治理系統(tǒng)發(fā)展的主流方向。本系統(tǒng)的任務在于實現低壓用戶電量數據的遠程傳輸和抄算，對低壓電力用戶的負荷和用電進行遠程監(jiān)控。配電變壓器集中器和用戶電能表終端分別與配電變壓器、用戶一一對應并就地分布式安裝。2試點居民小區(qū)遠程抄表系統(tǒng)方案在為試點居民小區(qū)遠程抄表系統(tǒng)做的總體技術方案設計時，本文遵循三條基本原