实际搜索通过程序模型分析文档,而是试图切出和人的思维*惯相*的结果是非常的艰难的,清华大学在日本的交流“自然语言和计算机语言的转换课题”中说到,目前的索引程序尤其大型的搜索引擎只有56%的准确率。
所以搜索在大力开发歧义字段自动识别技术,以此拉*和人思维和阅览*惯的距离。
切词的歧义:
交集性歧义篇:
“乒乓球拍卖完了”
出现两种切分结果>>>
乒乓球拍/卖/完了
乒乓球/拍卖/完了
这是两种不同的结果,同时直接影响到该句的主题关键词的提取。所以最好的办法只有在语句中,再次的找寻答案。
(例子来自:搜索引擎技术 赵杰著)
组合型的歧义类型:
例如早期不是吵得沸沸扬扬的“和服”
“某某长生产的长袖衫和服饰非常的畅销”
其中的和服将被歧义。
这是本质的歧义,中文索引中此类的情况很多。