百度搜索引擎决定搜索结果排序时考虑的六大原则？

　　百度搜索引擎决定搜索结果排序时考虑的六大原则？

　　[文章Abstract] 以下是百度搜索引擎在决定搜索结果排名时考虑的六大原则。六项原则的重点是什么？在实际应用中，哪个原理占的比例最大？事实上，这里没有明确的答案。在百度搜索引擎的早期，这些门槛确实是比较固定的。例如，“相关性”可以占整体排名的 70%。但是，随着互联网的不断发展，检索技术的进步，网页数量的爆炸式增长，相关性不再是问题。因此，百度搜索引擎引入了机器学习机制，让程序自动生成计算公式，促进更合理的排名策略。

　　在说这个话题之前，我们先来了解一下搜索引擎蜘蛛爬虫系统的工作机制。

　　

　　上图是蜘蛛抓取系统的基本框架，包括链接存储系统、链接选择系统、dns解析服务系统、抓取调度系统、网页分析系统、链接提取系统、链接分析系统、网页存储系统百度蜘蛛通过本系统的配合完成了对网页的抓取。

　　那么百度搜索引擎用什么指标来判断一个网站的爬取频率呢？主要有四个指标：

　　1、网站更新频率：更新来得快，更新来得慢，直接影响百度蜘蛛的访问频率

　　2、网站更新质量：更新频率增加，只引起了百度蜘蛛的关注。百度蜘蛛对质量有严格的要求。如果网站每天更新大量内容，百度蜘蛛被判定为低质量页面仍然没有意义。

　　简单介绍一下百度支持的几种返回码：

　　最常见的 404 代表“未找到”。认为该网页已过期，通常会从库中删除。同时，如果蜘蛛在短期内再次找到这个网址，则不会被抓取；

　　503 代表“服务不可用”。认为是网页暂时无法访问，通常网站暂时关闭，带宽受限等都会造成这种情况。对于返回503状态码的网页，百度蜘蛛不会直接删除网址，会在短时间内多次访问。如果网页已经恢复，则可以正常抓取；如果继续返回503，URL仍然会被认为是断开的链接并从库中删除。

　　403 代表“Forbidden”，认为该网页当前被禁止。如果是新的url，蜘蛛暂时不会被抓取，短时间内会被多次访问；如果是收录url，不会直接删除，短时间内会被多次访问。如果网页访问正常，就会正常抓取；如果仍然被禁止访问，那么这个 url 也将被视为无效链接并从库中删除。

　　301 代表“永久移动”并认为网页被重定向到新的 url。在网站迁移、域名更换、网站改版等情况下，建议使用301返回码和站长平台网站改版工具，减少改版造成的网站流量损失。

　　3.连通性：网站应该是安全稳定的，对百度蜘蛛保持开放。经常留百度蜘蛛可不是什么好事。

　　4、网站评价：百度搜索引擎对每个网站都会有一个评价，这个评价会根据网站情况不断变化，是百度搜索引擎对网站的基本评分（不是百度权重）到外界），是百度内部非常机密的数据。网站评分从不单独使用，会与其他因素和阈值共同影响网站的爬取和排名。

　　理论上，百度蜘蛛会检索新页面上所有“见过”的链接。那么，面对众多的新链接，百度蜘蛛是根据什么判断哪个更重要呢？两个方面：

　　一、对用户的价值

　　1.独特的内容，百度搜索引擎喜欢独特的内容

　　2、主体突出，不要出现网页的主要内容不突出而被搜索引擎误判为空、短页面不被抓取

　　3、内容丰富

　　4、广告合适

　　二、链接的重要性

　　1、目录级别-浅先

　　2、链接在网站中的流行度

　　百度优先建设重要图书馆的原则

　　众所周知，搜索引擎的索引库是分层的。优质的网页会被分配到重要的索引库，普通的网页会留在普通的图书馆，更糟糕的网页会被分配到下级图书馆作为补充资料。 目前60%的检索需求只调用重要的索引库就可以满足，这就解释了为什么一些网站的收录量超高高流并不理想。

　　那么，哪些网页可以进入优质索引库呢？其实总的原则是一个：对用户有价值。包括但不仅限于：

　　1.及时性和有价值的页面：在这里，及时性和价值是平行关系，两者缺一不可。有的网站为了生成时间敏感的内容页面，做了很多采集的工作，结果是一堆百度不想看到的毫无价值的页面。

　　2.优质内容的专题页：专题页的内容不一定是原创，也就是可以很好的整合各方内容，或者添加一些新鲜的内容，比如意见、评论，让用户拥有更丰富的内容以及更全面的内容。

　　3、高价值原创内容页：百度将原创定义为文章经过一定成本和大量经验形成的。不要再问我们伪原创是不是原创。

　　4.重要的个人页面：这里只是一个例子。科比已经在新浪微博上开设了一个账户。即使他不经常更新，它仍然是百度的一个极其重要的页面。

　　搜索引擎抓取和排序机制（下）

　　

　　简单的说下这个流程图：网站生成一个页面，被搜索引擎蜘蛛抓取并存入数据库（对应开头的流程图）。程序对该页面进行分析，并使用分词技术构建外部索引。 .

　　用户输入关键词进行搜索。百度搜索引擎在排序链接上要做两件事。一是从索引库中提取相关网页，二是根据不同维度提取提取的网页。分数是综合排序的。 “不同维度”包括：

　　1.相关性：网页内容与用户搜索需求的匹配程度，比如用户查看网页中收录的关键词的次数，以及这些关键词出现在什么地方；外部网页用来指向页面的锚文本等

　　2.权限：用户喜欢网站提供的内容，具有一定的权限。因此，百度搜索引擎也更相信优质权威网站提供的内容。

　　3.时效性：时效性结果是指收录新鲜内容的新网页。目前，时间敏感的结果在搜索引擎中变得越来越重要。

　　4.重要性：网页内容与用户检查需求相匹配的重要程度或受欢迎程度

　　5.丰富性：丰富性看似简单，但它是一个涵盖面非常广的命题。可以理解为网页内容丰富，完全可以满足用户的需求；既可以满足用户的单一需求，又可以满足用户的扩展需求。

　　6.受欢迎程度：指网页是否受欢迎。

　　以上是百度搜索引擎在决定搜索结果排名时考虑的六大原则。那么六项原则的重点是什么？在实际应用中，哪个原理占的比例最大？事实上，这里没有明确的答案。在百度搜索引擎的早期，这些门槛确实是比较固定的。例如，“相关性”可以占整体排名的 70%。但是，随着互联网的不断发展，检索技术的进步，网页数量的爆炸式增长，相关性不再是问题。因此，百度搜索引擎引入了机器学习机制，让程序自动生成计算公式，促进更合理的排名策略。

　　外链的作用

　　1.吸引蜘蛛爬取：虽然百度在挖掘新好网站、开辟多个数据提交入口、避开社交发现渠道等方面下了不少功夫，但超链接仍然是发现收录link最重要的入口。

　　2.向搜索引擎传递相关信息：除了通过TITLE、页面关键词、H标签等判断网页内容外，百度还会使用锚文本辅助判断。将图片作为点击入口的超链接，也可以通过alt属性和title标签向百度发送感受。

　　3.提升排名：百度搜索引擎虽然减少了对超链接的依赖，但对超链接的认可度从未下降，对优质链接、正常链接、垃圾链接、作弊链接制定了更严格的标准。对于作弊链接，除了对链接进行过滤和清理之外，对链接的受益站点也进行一定程度的处罚。因此，百度仍然欢迎高质量的链接。

　　4、内容分享，获得口碑：优质内容被广泛传播，网站可能不会因此获得多少流量，但如果内容足够，也可以建立自己的品牌效应。

　　（整理自网络）