對于剛?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，一個成熟的SEO運(yùn)營，有必要的進(jìn)一步對二者進(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“中文分詞”的了解，而本文，我們也會進(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，我們偶爾會遇到這樣一種情況，那就是當(dāng)你檢索某一個特定詞組的時候，你會發(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：中文分詞對頁面相關(guān)性的理解，實(shí)際上，對于任何一個內(nèi)容頁面，搜索引擎都會常識抓取與識別頁面詞組，利用一個個詞組的頻率，通過復(fù)雜的算法，進(jìn)行頁面相關(guān)性的識別，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，中文分詞是一個動態(tài)更新的過程，每天都會產(chǎn)生大量的新詞匯，對于搜索引擎而言，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)計方法，進(jìn)行篩選與相關(guān)性計算。
一般而言，一個內(nèi)容頁面，在分詞后，被搜索引擎會按照簡單的四個要素，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)分析與評估，進(jìn)入倒排索引的序列，用于用戶檢索時，給出相應(yīng)的搜索結(jié)果。
2、文檔分析
相對于中文分詞而言，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：內(nèi)容頁面，可識別文字的數(shù)量，側(cè)面反應(yīng)頁面的長度。
② 項(xiàng)目符號：段落中使用的邏輯符號，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，特別是針對相關(guān)影響因子，統(tǒng)計分析，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利器，而上述內(nèi)容，只是針對相關(guān)概念的簡單闡述，涉及的原理只是冰山一角，僅供參考。
