题目有点大了，实际上我只做了4个方面的比较和分析：复合词的分词及过滤，汉语拼音检索的提示及简繁体字的转换，错别字的识别和提示，以及相关搜索词的提示。试验中尽量选择具有代表性的搜索词，由几组到十几组，结果还是蛮有意思的。
带搜索结果截图的版本请看这里。
先说复合词的分词和过滤，选择了4组没有歧义的复合词，主要是并列结构和主谓结构，其中最后一组是在正规汉语中没有的词，是网络中形成的新词。
搜索词
Google
Baidu
笔记本电脑
返回21,800,000项结果。在前20页中（20页后未查看），摘要中加亮关键字多数为“笔记本电脑”，也有大量关键字为“笔记本”或“电脑”，在搜索结果第一页中第六项发现，所有的加亮关键词中，没有连续的“笔记本电脑”这个词，全部是分开的“笔记本”或“电脑”。
由此推测，google对搜索词的处理策略是：全部分词后再检索。然后再搜索结果中匹配任意关键词的子串。
返回11,500,000项结果。在前20页中（20页后未查看），摘要中加亮关键字绝大多数为“笔记本电脑”，个别出现关键字为“笔记本”或“电脑”
由baidu的结果看出，baidu的策略是尽量精确匹配搜索词，同时也对关键词分词后匹配。
为了测试是否对搜索词的分词效果，替换搜索为
[笔记本电脑 –笔记本]，即要求搜索结果中不包含“笔记本”，请看下面的试验。
笔记本电脑 –笔记本
返回1,380,000项结果。很有意思的结果，结果中大量出现“笔记本”，“笔记本电脑”和“电脑”关键词，比例和上面差不多，三个关键词的数量差别不大，没有在结果中完全过滤掉“笔记本”这个词。
虽然网页数量少了近一半，但是过滤效果不明显。
返回4,140项结果。除了两条赞助商广告外，绝大多数（超过90%）的网页中没有任何“笔记本”关键词，个别网页中出现“笔记本”或“笔记本电脑”（每页中不超过1个）关键词。
过滤效果明显，剩下的估计是因为竞价排名留下的。
数据仓库
返回2,330,000项结果。在前20页中（20页后未查看），与上一组结果非常相似，多数关键词为“数据仓库”，另有部分关键词“数据”
返回516,000项结果。在前20页中（20页后未查看），摘要中加亮的关键词全部为“数据仓库”。
数据仓库 -数据
返回7项结果。摘要中出现关键字“数据”和“數據”（繁体）及部分“仓库”。还是没有过滤全。
返回5项结果。4张英文网页，1张中文网页，摘要中没有任何加亮关键字。
人品问题
返回21,600,000项结果。Google摘要中加亮的关键词有“人品问题”（占多数），少量的“人品”，“问题”和“品问题”。此部分验证了“在结果中做任意相同字串的匹配”，因为其中匹配了一个字串“品问题”，由此可以推测，google对关键词坚持使用分词后再搜索的策略，摘要中加亮的完整关键词是分别对两个（多个）分词后的字串加亮，而这些词恰好又挨着，所以会出现完整的加亮关键词。
返回1,890,000项结果。摘要中绝大多数加亮的关键词为“人品问题”，少量的“人品”和“问题”，由此验证Baidu的策略是尽量精确匹配用户输入的关键词。
同样，搜索[人品问题 -人品]，看看是否能正确分词并过滤。这组词和下一组词的选取可以保证不受竞价排名的干扰。
人品问题 -人品
返回18,600,000项结果。又是非常有意思的结果，匹配绝大多数的“品问题”。第三页中出现了“人品问题”这个词，但是只加亮了“品问题”几个字，这个结果有点出我意料，难道google把这个词分成了“人”和“品问题”？如果是这样的话，那就是分词的失败，没有把“人品”和“问题”看成是两个词。由此可以判断，在“笔记本电脑 -笔记本”和“数据仓库 -数据”两次搜索中没有过滤干净的情况也可能是因为分词没有分好。
返回3项结果。1篇英文网页，两篇中文，完全过滤掉“人品”关键词，出现“问题”关键词。
我稀饭
意思是我喜欢，选这个词是看两个引擎是否把“稀饭（喜欢）”这个网络常用词收入词库。
返回52,600项结果。
返回55,800项结果。
我稀饭 -稀饭
返回1,510项结果。在搜索结果的摘要中匹配了这样一个关键词“我- 稀饭”。
返回0项结果。
结论：
1． 两个引擎都在结果摘要中加亮任意匹配成功的任意关键字子串。
2． Google的搜索策略是，对关键词完全分词后，再搜索。而baidu的策略是尽量精确匹配搜索词，然后兼顾分词后各个子串的匹配。我认为，baidu的策略（尽量精确匹配搜索词）是更好的策略，这样更加符合用户的意图。
3． 为了试验两个引擎的分词准确度，选择的关键词都是并列或主谓关系的复合词，并且没有歧义，然后过滤关键词中一个字串组成的词。由结果可以看出，baidu的分词及过滤是十分准确的，而google表现不够令人满意，虽然页面减少很多，但是没有达到过滤效果。
----------------------------------------------
对拼音及简繁体中文的支持
特地选取了有歧义的拼音字符串和并不常见的拼音串。
如 xianshibian 可以分解为 西安事变（正确）和 现实变（错误）和 县事变（错误）等。
pinganguilai, 其中pingan 可分成 平安（正确） 和 拚敢（错误） 等。
|
搜索词 |
|
Baidu |
|
xianshibian |
提示：您是不是要找：西安事变 |
提示：您要找的是不是: 西安事变 |
|
renxingjilu |
提示：您要找的是不是: 人性记录 | |
|
jujuduxing |
您是不是要找： 踽踽独行 |
您要找的是不是: 踽踽独行 |
|
pinganguilai |
您是不是要找： 平安归来 |
您要找的是不是: 平安归来 |
|
关于繁体字 |
在搜索结果中自动提供繁体搜索结果，如果使用繁体字关键词，结果中提供简体。 |
不管检索词为简体还是繁体，都提供简体结果，是否提供繁体结果，我没有看到。 |
结论：
两个引擎对拼音的支持还是非常好的，对简繁体的搜索词都有各自的处理方法，也算考虑全。
----------------------------------------------
对错别字的提示
选择搜索词时，即选择了字形相似而字音不同的词，也选择了字音相近而字形不同的词，以及常见易读错的词和常见短语（很难说是不是词）。
|
搜索词 |
|
Baidu |
|
塘粗排骨 |
直接搜索，没有错别字提示 |
您要找的是不是: 糖醋排骨 |
|
辛辛学子 |
直接搜索，没有错别字提示 |
直接搜索，没有错别字提示 |
|
瓜瓜坠地 |
直接搜索，没有错别字提示 |
您要找的是不是: 呱呱坠地 |
|
朱荣基 |
直接搜索，没有错别字提示 |
您要找的是不是: 朱鎔基 |
|
韩飞子 |
直接搜索，没有错别字提示 |
您要找的是不是: 韩非子 |
|
小里飞刀 |
直接搜索，没有错别字提示 |
您要找的是不是: 小李飞刀 |
|
禹禹独行 |
直接搜索，没有错别字提示 |
直接搜索，没有错别字提示 |
结论：对于音近的错别字，baidu几乎都能提示出现错别字，但是对形近的错别字提示不够好，3个形近错别字只提示了1个。Google则没有任何错别字提醒功能。
结论：对于音近的错别字，baidu几乎都能提示出现错别字，但是对形近的错别字提示不够好，3个形近错别字只提示了1个。Google则没有任何错别字提醒功能。
对于音近的错别字，查错是比较容易的，一种方法是将搜索词转为拼音串，然后查找拼音串对应的搜索频率最高的几个词是否与搜索词相同，不同就提示。相比之下，对于形近字的差错就比较麻烦，所以“辛辛学子”和“禹禹独行”没有被检查出来。
相关搜索的提供
|
搜索词 |
|
Baidu |
|
韩飞子 |
0 |
0 |
|
韩非子 |
10个，高度相关 |
10个，高度相关 |
|
踽踽独行 |
0 |
10个，多数相关 |
|
小李飞刀 |
5个，高度相关 |
10个，高度相关 |
|
小里飞刀 |
0 |
10个，比较像关 |
|
人性记录 |
0 |
10个，高度相关 |
|
数据仓库 |
7个，高度相关 |
10个，高度相关 |
|
笔记本电脑 |
10个，高度相关 |
10个，高度相关 |
|
我稀饭 |
0 |
10个，比较像关 |
结论：在绝大多数情况下，baidu都能以很大的相关度给出10个相关搜索，并且当检索词错误时，也有不错的相关搜索列出。Google对部分搜索词能给出高度相关的相关搜索词，
结论：在绝大多数情况下，baidu都能以很大的相关度给出10个相关搜索，并且当检索词错误时，也有不错的相关搜索列出。Google对部分搜索词能给出高度相关的相关搜索词，
总体来看，baidu在中文技术上要优于google，尤其体现在错别字提醒和相关搜索两项上。另外，我认为，由于两个引擎对分词后搜索的策略的不同，使得搜索结果的多少在比较两个引擎的优劣上没有什么意义。Baidu倾向于搜索词的完整精确匹配，google对此关注好象不高。这个倾向也会的影响到两个引擎对同一关键词，尤其是复合词，的搜索结果排序。
总体来看，baidu在中文技术上要优于google，尤其体现在错别字提醒和相关搜索两项上。另外，我认为，由于两个引擎对分词后搜索的策略的不同，使得搜索结果的多少在比较两个引擎的优劣上没有什么意义。Baidu倾向于搜索词的完整精确匹配，google对此关注好象不高。这个倾向也会的影响到两个引擎对同一关键词，尤其是复合词，的搜索结果排序。
回复Comments
{commenttime}{commentauthor}
{CommentUrl}
{commentcontent}