贵阳个人做网站,开发手机app游戏公司,设计的软件都有什么,专业网站seo优化公司初创企业需要建站的朋友看这篇文章#xff0c;谢谢支持#xff1a;我给不会敲代码又想搭建网站的人建议
#xff08;接上一篇。。。#xff09;
排名 经过搜索引擎蜘蛛抓取页面#xff0c;索引程序计算得到倒排索引后#xff0c;搜索引擎就准备好可以随时处理用户搜索了…初创企业需要建站的朋友看这篇文章谢谢支持我给不会敲代码又想搭建网站的人建议
接上一篇。。。
排名 经过搜索引擎蜘蛛抓取页面索引程序计算得到倒排索引后搜索引擎就准备好可以随时处理用户搜索了。用户在搜索框填入关键词后排名程序调用索引库数据计算排名显示给用户排名过程是与用户直接互动的。 1、搜索词处理
搜索引擎接收到用户输入的搜索词后需要对搜索词做一些处理才能进入排名过程。 搜索词处理包括如下几方面。 (1) 中文分词。与页面索引时一样搜索词也必须进行中文分词将查询字符串转换为以词为基础的关键词组合。分词原理与页面分词相同。 (2)去停止词。和索引时一样搜索引擎也需要把搜索词中的停止词去掉最大限度地提高排名相关性及效率。 (3)指令处理。查询词完成分词后搜索引擎的默认处理方式是在关键词之间使用“与”逻辑。也就是说用户搜索“减肥方法”时程序分词为“减肥”和“方法”两个词搜索引擎排序时默认认为用户寻找的是既包含“减肥”也包含“方法”的页面。只包含“减肥”不包含“方法”或者只包含“方法”不包含“减肥”的页面被认为是不符合搜索条件的。 当然这只是极为简化的为了说明原理的说法实际上我们还是会看到只 包含一部分关键词的搜索结果。 另外用户输入的查询词还可能包含一些高级搜索指令如加号、减号等搜索引擎都需要做出识别和相应处理。有关高级搜索指令后面还有详细说明。 (4)拼写错误矫正。用户如果输入了明显错误的字或英文单词拼错搜索引擎会提示用户正确的用字或拼法如下图所示。
(5)整合搜索触发。某些搜索词会触发整合搜索比如明星姓名就经常触发图片和视频内容当前的热门话题又容易触发资讯内容。哪些词触发哪些整合搜索也需要在搜索词处理阶段计算。 2、文件匹配 搜索词经过处理后搜索引擎得到的是以词为基础的关键词集合。文件匹配阶段就是找出含有所有关键词的文件。在索引部分提到的倒排索引使得文件匹配能够快速完成如下表所示。
假设用户搜索“关键词2关键词7”排名程序只要在倒排索引中找到“关键词2”和“关键词7”这两个词就能找到分别含有这两个词的所有页面。经过简单计算就能找出既包含“关键词2”也包含“关键词7”的所有页面:文件1和文件6。 3、初始子集的选择 找到包含所有关键词的匹配文件后还不能进行相关性计算因为找到的文件经常会有几十万几百万甚至上千万个。要对这么多文件实时进行相关性计算需要的时间还是比较长的。 实际上用户并不需要知道所有匹配的几十万、几百万个页面绝大部分用户只会查看前两页也就是前20个结果。搜索引擎也并不需要计算这么多页面的相关性而只要计算最重要的一部分页面就可以了。常用搜索引擎的人都会注意到搜索结果页面通常最多显示100个。用户点击搜索结果页面底部的“下一页”链接最多也只能看到第100页也就是1000个搜索结果百度则通常返回76页结果。
所以搜索引擎只需要计算前1000个结果的相关性就能满足要求。 但问题在于还没有计算相关性时搜索引擎又怎么知道哪一千个文件是最相关的?所以用于最后相关性计算的初始页面子集的选择必须依靠其他特征而不是相关性其中最主要的就是页面权重。由于所有匹配文件都已经具备了最基本的相关性(这些文件都包含所有查询关键词)搜索引擎通常会用非相关性的页面特征选出一个初始子集。初始子集的数目是多少?几万个?或许更多外人并不知道。不过可以肯定的是当匹配页面数目巨大时搜索引擎不会对这么多页面进行计算而必须选出页面权重较高的一个子集再对子集中的页面进行相关性计算。 4、相关性计算 选出初始子集后对子集中的页面计算关键词相关性。计算相关性是排名过程中最重要的一步。相关性计算是搜索引擎算法中最令SEO 感兴趣的部分。 影响相关性的主要因素包括如下几方面。
(1)关键词常用程度。经过分词后的多个关键词对整个搜索字符串的意义贡献并不相同。越常用的词对搜索词的意义贡献越小越不常用的词对搜索词的意义贡献越大。举个例子假设用户输入的搜索词是“我们冥王星”。“我们”这个词常用程度非常高在很多页面上会出现它对“我们冥王星”这个搜索词的辨识程度和意义相关度贡献就很小。 找出那些包含“我们”这个词的页面对搜索排名相关性几乎没有什么影响有太多页面包含“我们”这个词。 而“冥王星”这个词常用程度就比较低对“我们冥王星”这个搜索词的意义贡献要大得多。那些包含“冥王星”这个词的页面对“我们冥王星”这个搜索词会更为相关。 常用词的极致就是停止词对页面意义完全没有影响。 所以搜索引擎对搜索词串中的关键词并不是一视同仁地处理而是根据常用程度进行加权。不常用的词加权系数高常用词加权系数低排名算法对不常用的词给予更多关注。 我们假设A、B两个页面都各出现“我们”及“冥王星”两两个词。但是“我们”这个词在A页面出现于普通文字中“冥王星”这个词在A页面出现于标题标签中。B页面正相反“我们”出现在标题标签中而“冥王星”出现在普通文字中。那么针对“我们冥王星”这个搜索词A页面将更相关。
(2)词频及密度。一般认为在没有关键词堆积的情况下搜索词在页面中出现的次数多密度越高说明页面与搜索词越相关。当然这只是一个大致规律实际情况未必如此所以相关性计算还有其他因素。出现频率及密度只是因素的一部分而且重要程度越来越低。
(3)关键词位置及形式。就像在索引部分中提到的页面关键词出现的格式和位置都被记录在索引库中。关键词出现在比较重要的位置如标题标签、黑体、H1等说明页面与关键词越相关。这一部分就是页面 SEO所要解决的。
(4)关键词距离。切分后的关键词完整匹配地出现说明与搜索词最相关。比如搜索“减肥方法”时页面上连续完整出现“减肥方法”四个字是最相关的。如果“减肥”和“方法”两个词没有连续匹配出现出现的距离近一些也被搜索引擎认为相关性稍微大一些。
*(5)链接分析及页面权重。*除了页面本身的因素页面之间的链接和权重关系也影响关键词的相关性其中最重要的是锚文字。页面有越多以搜索词为锚文字的导入链接说明页面的相关性越强。 链接分析还包括了链接源页面本身的主题、锚文字周围的文字等。 5、排名过滤及调整 选出匹配文件子集、计算相关性后大体排名就已经确定了。之后搜索引擎可能还有一些过滤算法对排名进行轻微调整其中最主要的过滤就是施加惩罚。一些有作弊嫌疑的页面虽然按照正常的权重和相关性计算排到前面但搜索引擎的惩罚算法却可能在最后一步把这些页面调到后面去。典型的例子是百度的11位Google 的负6、负30、负950等算法。 6、排名显示 所有排名确定后排名程序调用原始页面的标题标签、说明标签、快照日期等数据显示在页面上。有时搜索引擎需要动态生成页面摘要而不是调用页面本身的说明标签。 7、搜索缓存 用户搜索的关键词有很大一部分是重复的。按照2/8定律20%的搜索词占到了总搜索次数的80%。按照长尾理论最常见的搜索词没有占到80%那么多但通常也有一个比较粗大的头部很少一部分搜索词占到了所有搜索次数的很大一部分。尤其是有热门新闻 发生时每天可能有几百万人搜索完全相同的关键词。 如果每次搜索都重新处理排名可以说是很大的浪费。搜索引擎会把最常见的搜索词存入缓存用户搜索时直接从缓存中调用而不必经过文件匹配和相关性计算大大提高了排名效率缩短了搜索反应时间。 8、查询及点击日志 搜索用户的IP地址、搜索的关键词、搜索时间以及点击了哪些结果页面搜索引擎都记录形成日志。这些日志文件中的数据对搜索引擎判断搜索结果质量、调整搜索算法、预期搜索趋势等都有重要意义。
上面我们简单介绍了搜索引擎的工作过程。当然实际搜索引擎的工作步骤与算法是非常复杂的。上面的说明很简单但其中有很多技术难点。 搜索引擎还在不断优化算法优化数据库格式。不同搜索引擎的工作步骤也会有差异。但大致上所有主流搜索引擎的基本工作原理都是如此在过去几年及可以预期的未来几年都不会有实质性的改变。
完
