搜索引擎优化含义(在Google中进行搜索，排名第一位的却不再了？)

　　搜索引擎优化含义(在Google中进行搜索，排名第一位的却不再了？)

　　最近，当人们使用“paypal”在谷歌搜索时，排名第一的不再是国际知名在线支付公司Paypal的官方网站。这一现象清楚地反映了谷歌正在加大对使用“异常”反向链接文本（锚文本）的处罚力度。虽然以Paypal在谷歌中的排名问题作为典型的例子已经得到纠正，但仍有数千名鲜为人知的网站面临同样的问题：即在谷歌搜索中使用公司名称， 网站的排名是有问题的，更不用说关键词的使用了，一直排名很好的。对于搜索引擎优化者来说，最重要的是要明白两点：一是谷歌是如何实现锚文本惩罚的，

　　一、锚文本惩罚

　　去年很多人都注意到了这个现象：对于一个在短时间内建立了大量反向链接的网站，只能在雅虎等一些大的搜索引擎中找到，期待排名效果，但是对于谷歌，这种链接推广行为不起作用。原因是：谷歌在搜索算法中加入了一些过滤功能，可以从搜索结果中剔除那些感觉“异常”反向链接结构的网站。“异常锚文本惩罚”是特征之一。

　　使用描述性词作为文本内容，无论是用于网站内链还是外链文本，也就是我们通常所说的锚文本，无疑是最受搜索引擎优化者推崇的做法。但是，很多优化器在选择锚文本内容时总是只关注一个主要的关键词，尤其是如果这个关键词可以吸引超过网站次关键词这种方式在它涉及访问次数。另外，网站 获得高质量的反向链接并不容易，这就是为什么优化者在优化 网站 时不会错过其锚文本中的链接的原因。关键词 主要机会的主要原因。

　　只要锚文本中关键词和网站的内容高度相关，我们认为这种做法应该是可以理解的。不幸的是，“相同”的链接内容对于搜索引擎来说是有问题的。因为在搜索引擎看来，最自然的链接文字应该是多样化的，比如公司名称、关键词、关键词同义词、网站地址，甚至“请点这里输入”像这样的锚文本内容是最正常的。但如果所有外部链接的文字内容都是“网站主关键词”，那么很明显，从搜索引擎的搜索算法机制来看，这些链接肯定不是通过正常渠道获得的。

　　二、什么是隐式语义检索（LSI）

　　LSI 是一种信息检索技术。通过统计方法，LSI 可以提取不收录查询字符串的相关文档。转换后，相关词汇会通过文档内容进行关联，“概念”“搜索”有相似之处。使用 LSI 技术意味着搜索引擎在检索网页时会尝试将某些查询词与其基本概念相关联。例如，将 iMac 与 Apple 的电脑连接起来。

　　三、LSI 的工作原理

　　作为一种 IR 矢量空间技术，LSI 已被证明比 Salton 的 SMART 系统中使用的传统矢量空间技术性能更好。它的工作原理是利用矩阵论中的“奇异值分解（SVD）”技术，将词频矩阵转化为奇异矩阵：首先从所有的文档集中生成一个索引项-文档矩阵，每个矩阵的分量是一个整数。值，表示特定索引项在特定文档中出现的次数。然后对矩阵进行奇异值分解，消除较小的奇异值。结果，奇异向量和奇异值矩阵被用来将文档向量和查询向量映射到一个子空间中，其中保留了索引项-文档矩阵的语义关系，抑制了索引项使用的变化。最后，可以使用标准化的内积计算来计算向量之间的角余弦相似度，然后按照与查询相似度的降序对文档进行排序。

　　四、LSI信息检索技术对搜索引擎索引的价值

　　传统的关键词查询文档集合的方式使用了记账思想，非常简单明了。所需要做的就是检查文档中的包是否不收录给定的单词。根据给定的关键词和词组，依次检查每个文档的内容，去掉内容中不收录这些关键词和词组的文档，然后把剩下的满足条件的文档通过通过一些排名系统对结果数据集进行整理和构建。每个文档在搜索引擎的算法面前都是独立的，文档之间不存在任何形式的依赖。搜索算法仅根据每个文档的内容及其与关键词的相关性进行评估。

　　LSI 为文档检索过程添加了一个重要步骤。这种信息检索技术除了记录一个文档收录哪些关键词之外，还可以从一个网站文档的集合中进行整体检查，看看还有哪些文档收录这些关键词。LSI 认为，如果文档收录大量常用词，则可以表明这些文档在语义上是一致的。

　　或相似性，反之亦然意味着这些文档在语义上相距甚远。这种方法虽然简单，但是却出奇地符合我们人类阅读文章的内容，然后对文档集合进行分类的方式。虽然 LSI 搜索算法无法理解单词的具体含义，但其搜索信息的方式却能让它显得出奇的智能。

　　对于通过LSI技术检索到的数据库，当用户查询时，搜索引擎会查看它对每个文档内容的词计算的相似度值，然后将它认为最符合用户查询要求的文档返回给用户。即使没有共同的关键词，根据LSI分析的结果，两个文档在语义上是接近的，所以使用LSI技术的搜索结果不需要严格匹配，只需要匹配查询词即可在语义上。就是这样。当用户查询的某个查询条件不收录与收录关键词的文档严格匹配时，LSI经常返回一些文档搜索结果，虽然查询关键词根本不收录，但是内容与查询条件有关。

　　我们来看一个例子：如果我们通过LSI技术搜索了文章的一些数学方面，如果“n维”、“流形”和“拓扑”三个术语在这些文章中出现在一起很多次，那么搜索引擎算法会注意到这三个词在语义上是相似的。当用户查询“n维流形”时，搜索引擎不仅会返回一组收录查询词“n维流形”的文章，还会收录不收录该词的集合，但收录术语“拓扑”。文章 这个词的结果返回给用户。这是因为虽然搜索引擎对数学一窍不通，但是却被大量文章 检查认为这三个术语是相关的。所以它利用这些信息来扩大搜索结果，提高搜索效果。

　　五、LSI对搜索引擎优化的重要性

　　了解了LSI的基本工作原理后，再回头看看所谓的“如果不包括网站的主要关键词在反向链接文本中，这被一些人认为是真理人，那么它无疑是正确的。我们可以发现这种说法是没有根据的。也许在不久的将来，隐式语义检索技术会更全面地应用在那些主要的搜索引擎中，隐式语义检索的概念将能够证明上面的“链接必须收录主要的关键词”是错误的。

　　当用户使用搜索引擎查询信息时，隐式语义检索可以帮助人们克服“词法不匹配”的问题。个别词有时无法提供文档概念含义的可靠证据。比如一个与“laptop”相关度高的网页，可能根本就不会用到“notebook”这个词，但是我们都知道“laptop”本身就是“notebook”的意思。对于任何给定的查询主题，LSI 技术都可以使用统计技术来创建语义分析。实际上，这意味着即使某个特定的 关键词 未收录在网页中，也可以认为它与该 关键词 相关。以上面的例子为例。即使网页上从未出现过“笔记本”这个词，

　　这个原则也适用于反向链接。即使反向链接的锚文本不收录网站的主要关键词，只要收录同义词或相关词，搜索引擎就会认为该链接与主要< @网站。关键词 有一定的关联性，给了这个外链一定的权重。

　　六、我怎么知道我的关键词与哪些概念相关

<p>想知道 Google 对您的查询 关键词 有何看法？这很简单。只需使用谷歌的语义查询功能，即在查询关键词前加一个“~”符号，就可以看到一些与你的查询相关的词。比如在谷歌搜索框中输入“~Soda”，搜索结果第一页位置是百事可乐、可口可乐等大公司，输入“~phone”，搜索结果中最先出现的是诺基亚的