“最小语境含义表达单位（语境根）”和“相关词”的制定问题，受不同分词方法影响，这个方式有很多种，
原始的分词大多采用的是建立词库，然后进行遍历对比，这种是效率低，如果词典里词很多的时候，运算就比较慢。词如果很少呢，分词效果又不行。二是很多时候容易出错，比如徽剑曾经碰到一次，在一个服务器上发表帖子，内有一句“四口交换机”，结果服务器提示里面有“口交”不当用语。
我们来看一段叙述，讲的是不使用分词的搜索引擎中文识别技术：
“如果不使用中文分词，可以采用单个汉字索引方式。例如，雅虎，先索引'雅'字，然后再索引'虎'字。搜索过程中，也是先找'雅'字的所有文档，再找'虎'字的所有文档，然后做交叉'与'运算，即包含这两个字，而且位置连续的文档才会做为符合要求的结果。这种方式是最基本的索引方式，对于大数据量搜索引擎来说这样无疑是对硬件和算法的极大挑战。还有另外一种选择：n元组合索引方式。拿“中国人”来说，先索引'中国', 再索引'国人'。搜索过程中，也是先找包含'中国'的所有文档，再找'国人'的所有文档，然后做交叉'与'运算，即包含这两个单元，而且位置连续的文档才会做为符合要求的结果。这样以两个字做为索引单元。以上两种方式，都可以不需要分词，也能实现搜索引擎的索引和搜索。但是这里存在一个不可忽视的问题：准确度。一个很常见的例子：和服，如果按照上面两种方式，都会查到包含'主板 和“服 务器”'的文档； “北大” 也会得到'东 北大 学'。对于大数据量的搜索引擎来说，每个搜索次都会有成千上万个结果，这里还要增加许多错误，估计用户体验会极差。”
现有的分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。到底哪种分词算法的准确度更高，目前并无定论。对于任何一个成熟的分词系统来说，不可能单独依靠某一种算法来实现，都需要综合不同的算法。
分词结合搜索引擎，表现在：
，
一是找出语言的“最小语境含义表达单位（语境根）”，按照检索习惯进行分词，建立对应的数据库。这个的好坏决定了查询的响应速度。因为如果直接对上号的更多，那么查询时就不需要进行过多处理。对于大型搜索引擎来说，每天几亿次以上的查询，这可是节省不少时间。
