搜索引擎及 SEO 技术概述-东泽seo

seo是根据有效的方法对站点开展提升，使其便于被百度搜索引擎数据库索引、对客户和百度搜索引擎更友善(Search Engine Friendly)，从而更易于被百度搜索引擎百度收录及优先选择排列^[14]。因而， 许多seo方法全是根据对百度搜索引擎的了解，此章将详细介绍百度搜索引擎基本概念，从而论述seo 的思想观念和基本上对策。

2.1 百度搜索引擎基本概念

百度搜索引擎的运行全过程大概可以分成爬取和抓取、预备处理、排行三个环节^[15]。

• 爬取和抓取是百度搜索引擎工作中的第一步，进行数据采集的每日任务。

蜘蛛程序传出访问页面要求后，缺少对象HTML编码，蜘蛛程序把接到的编码存进初始网页页面数据库查询。百度搜索引擎为了更好地提升爬取和抓取速率，都应用好几个搜索引擎蜘蛛高并发遍布爬取。搜索引擎蜘蛛浏览一切一个网站时，都是会先浏览网址根目录下的robots.txt文件，假如robots.txt文件严禁百度搜索引擎爬取一些文档或文件目录，搜索引擎蜘蛛将遵循协议书，不爬取被明令禁止的网站地址。

为了更好地爬取在网上尽可能多的网页页面，百度搜索引擎搜索引擎蜘蛛会追踪网页页面上的连接，从一个网页页面爬到下一个页面。蜘蛛程序通常选用深度优先搜索和广度优先搜索等爬取对策解析xml在网上全部网页页面^[16]。为了防止反复爬取和抓取网站地址，百度搜索引擎会创建一个详细地址库，纪录早已被发觉都还没爬取的网页页面，及其早已被爬取的网页页面。爬取和抓取结束后，百度搜索引擎爬虫爬取的数据信息存进初始网页页面数据库查询。

• 预备处理环节主要是对爬取来的网页页面信息开展文字提取、分词算法、数据库索引等解决，以便排行程序流程读取。

如今的百度搜索引擎或是以文本內容为基本。搜索引擎蜘蛛爬取到的界面中的HTML编码，除开客户在手机浏览器上能够看见的由此可见文本外，还包括了大批量的HTML文件格式标识、JavaScript 程序流程等没法用以排行的內容。百度搜索引擎预备处理最先要做的就是以HTML文件中除去标识，获取出可以用以排行解决的网页页面面文本內容。

中文分词是国内搜索引擎特有的流程。百度搜索引擎储存和解决网页页面及客户检索全是以词为基本的。分词算法方式主要包含二种：根据字典配对的办法和根据统计分析的方式。根据字典配对的方式就是指将待剖析的一段中国汉字与一个事前建成的字典中的关键词开展配对，在待剖析中国汉字串中检测到字典中已经有的关键词则配对取得成功，换句话说切分出一个英语单词。依照阅读方位，根据字典的配对法可以分成正方向配对和反向配对。依照配对长短优先的不一样， 又可以分成较大配对和最少配对。将扫描仪方位和长短优先选择混和，又可以造成正方向较大配对、反向较大配对等不一样方式^[17]。

通过文字提取、中文分词后，百度搜索引擎获得的便是与众不同的、能体现网页页面行为主体內容的、以词为公司的內容。下面百度搜索引擎数据库索引程序流程便获取关键字，依照中文分词程序流程区划好的词， 把网页页面变换为关键字结合，与此同时纪录每一个关键字在网页页面上的发生頻率、发生频次、文件格式、部位等信息内容^[18]。那样，每一个网页页面都能够纪录为一串关键字结合，在其中每一个关键字的高频词、文件格式、部位等权重值数据也都处理完毕。

百度搜索引擎数据库索引程序流程将网页页面及关键字产生词汇表构造储存进正方向数据库索引表。简单化的正方向数据库索引表方式如表2-1所显示。

表2-1 简单化的正方向数据库索引表

文档 ID 內容

文档 1 关键字 1，关键词 2，关键字 10，……，关键词 L

文档 2 关键字 1，关键词 7，关键字 30，……，关键词 M

文档 3 关键字 2，关键词 70，关键字 305，……，关键词 N

…… ……

文档 N 关键字 7，关键词 50，关键字 90，……，关键词 Y

假如只存有正方向数据库索引，排行程序流程必须扫描仪全部数据库索引库文件的文档，那样的测算量不能满足即时回到排行結果的规定。因此，百度搜索引擎会将正方向数据库索引数据库查询再次结构为倒排索引，把文档相匹配到关键字的投射变换为关键字到文档的投射，如表2-2所显示。

在倒排索引中关键字是外键约束，每一个关键字都相匹配着一系列文档，这种文档里都发生了这一关键字。那样当客户检索某一关键字时，排序程序在倒排索引中精准定位到这些关键字，就可以立刻找到全部包括这一关键字的文档。

表2-2 倒排索引构造

关键字 文档

关键字 1 文档 1，文件 2，文档 15，……，文件 L

关键字 2 文档 1，文件 3，文档 6，……，文件 M

关键字 3 文档 5，文件 700，文档 805，……，文件 N

…… ……

关键字 N 文档 80，文件 90，文档 100，……，文件 X

连接关联测算也是预备处理中很重要的一部分。如今全部的流行优化排名要素里都包括网页页面中间的连接流动性信息内容。百度搜索引擎在爬取网页页面內容后，务必事先测算出：网页页面上有什么连接偏向什么别的网页页面，每一个网页页面有什么导进连接，链接应用了哪些锚文本， 这种繁杂的连接偏向关联产生了网址和网页的连接权重值。

• 排行环节主要是当客户输入关键字后，排行程序流程读取数据库索引库数据信息，测算关联性，随后按一定文件格式转化成搜索结果面。

通过百度搜索引擎爬虫爬取网页页面，数据库索引程序流程测算获得倒排索引后，百度搜索引擎就准备好可以随时随地解决客户检索。客户在输入框填写关键字后，排行程序流程读取数据库索引库数据信息，测算排行表明给客户，排行全过程是与客户立即互动交流的。

百度搜索引擎接受到客户键入的搜索关键词后，必须对搜索关键词做一些解决，才可以进到排行全过程。搜索关键词解决包含分词算法、去终止词、命令解决、融合检索开启几层面。搜索关键词通过解决后，百度搜索引擎获得的是以词为基本的关键字结合。文档配对环节便是找到带有全部关键字的文档。在数据库索引一部分提及的倒排索引促使文档配对可以迅速进行。

寻找包括全部关键字的配对文档后，还不可以开展关联性测算，由于寻找的文档常常会出现上百万，乃至上一万个。要对这么多文档即时开展关联性测算，必须的时间段也是非常长的。事实上客户并不一定了解全部配对的几十万、几百万个网页页面，绝大多数客户只能查询前两页的搜索結果。因而，百度搜索引擎并不一定测算这么多网页页面的关联性，而只需测算最重要的一部分网页页面就可以了。

挑选出原始子集合后，对联集中化的网页页面测算关键字关联性。测算关联性是排行的过程中最重要的一步。危害关联性的首要要素包含关键字常见水平、高频词及相对密度、关键字部位及方式、关键字间距、链接分析及网页页面权重值等。

挑选出配对文档子集合、测算关联性后，大致排行就早已确认了。以后百度搜索引擎很有可能也有一些过虑优化算法，对排行开展略微调节，在其中最首要的过虑便是增加处罚。一些有舞弊行为的网页页面，尽管依照常规的权重值和关联性测算排到前边，但百度搜索引擎的处罚优化算法却很有可能在最后一步把这种网页页面调到后边去。典型性的事例是百度搜索的11位，Google的负6、负30、负950等优化算法。最终，百度搜索引擎把测算出的搜索結果报告给客户。

2.2 危害优化排名的首要要素

2.1 节详细介绍了百度搜索引擎的基本上原理，下边关键详细介绍危害优化排名的首要要素。中国知名seo服务项目精英团队“点石互动”对于搜索引擎开展了调查分析^{[19]，发觉有79 个关键要素危害了百度搜索的排行标准，这种要素包含正脸影响因素和不良影响要素。表2-3 列举每个要素的成绩状况与叙述，每一项后边的成绩意味着该项针对优化排名影响的关键度，成绩最大分成 5 分，表明最重要；最少分成 1 分，表明不重要；负数表示该要素对优化排名造成不良影响。}

表 2-3 危害优化排名的首要要素

以上就是搜索引擎及 SEO 技术概述-东泽seo的全部内容，