搜索引擎通常由信息收集和信息检索两部分组成。对于英文，由于英文中词 与词之间是用空格隔开，检索起来很方便，故计算机采用了词处理的方式，大大 减轻了用户与计算机的工作量:相对来讲，中文的情形就复杂得多。中文的词与 词之间是没有分隔符的，因此若想建立基于词的索引，就需要专门的技术，这种 技术被称之为“汉语词语切分技术”。根据是否采用词语切分技术，中文搜索引 擎又可分为基于字的搜索引擎和基于词的搜索引擎。由于中文信息处理的特殊 性，开发中文搜索引擎决不像西文软件的汉化那样简单。在实

学习汉语自动分词与词性标注软件的组件化有助于更好的理解中文分词系统,PoS tagging HMM

采用最大概率法的中文自动分词软件，分词准确率达到70 以上。-Maximum probability method of Chinese word segmentation software, word accuracy rate of 70 .

（个人原创）《中文网页自动分类》 牵扯的技术有：分词，统计词频，踢出网页中一些特殊字符（用正则表达式），还有需要提取培训集等等！！ 此软件禁止商业活动，版权所属“qyTT论坛--www.qyclass.org/bbs” 本文来自: qyTT论坛 http://www.qyclass.org/bbs 我们的使命：让世界认识qyTT，让qyTT认识世界! 结果分析的思想：就是把得到的词频与建立的词库里每一类进行比较，如果存在一个最大匹配程度，就去这个类作为结果，如果存