seo优化搜索引擎工作原理(百度,搜索引擎最重要的是什么?(一))

　　seo优化搜索引擎工作原理(百度,搜索引擎最重要的是什么?(一))

　　引擎最重要的是什么？

　　有人会说是查询结果的准确性，也有人会说是查询结果的丰富程度，但其实这些都不是搜索引擎最致命的部分。对于引擎来说，最致命的部分是查询时间

　　

　　想象一下，如果你在百度界面搜索一个关键词，结果需要几分钟的时间将你的查询结果发回给你，结果一定是你迅速放弃百度，搜索引擎满足苛刻的要求为了速度

　　（目前商业搜索引擎的查询时间单位是微秒量级），所以缓存支持查询需求，也就是说我们在查询和搜索的时候得到的结果不是及时的，但是在服务器上有缓存了结果，搜索引擎工作的大致流程是怎样的？

　　我们可以将其理解为三阶段样式，这只是对三阶段工作流的一般解释和概述。一些详细的技术细节会和其他文章单独说明，

　　网页的集合其实就是大家常说的蜘蛛爬取网页。对于蜘蛛（称为机器人），

　　他们感兴趣的页面分为三类：新的被蜘蛛抓取的页面、被蜘蛛抓取但页面内容发生变化的页面、被蜘蛛抓取但现在被删除的页面，如何有效地发现和抓取这些三类页面是程序设计的初衷和目的。这里有个问题，蜘蛛爬取的起点，只要你的网站没有严重降级，那么通过网站background服务器，你可以找到勤劳的蜘蛛光顾你的网站，但是你有没有想过从编写程序的角度看蜘蛛是怎么来的？

　　对此，各方意见不一。有一种说法是蜘蛛从*敏*感*词*站（或高权重站）爬行，从权重从高到低，一种说法是蜘蛛在集合中没有明显的爬行顺序，

　　搜索引擎会根据你的网站内容更新规律，自动计算什么时候是抓取你的网站的最佳时间，然后再抓取。其实对于不同的引擎，爬取点肯定会有区别。对于百度，作者更喜欢后者，

　　百度博客发表的文章《索引页链接完成机制的探讨》中明确表示“我们会尽力检测网页的发布周期，并以合理的频率检查网页”，

　　由此可以推断，在百度的索引库中，对于每一个集合，都会计算出合适的抓取时间和一系列参数，

　　然后爬取对应的站点。在这里，我想说的是，对于百度来说，价值不是蜘蛛爬过你页面的价值，

　　得到的值不是大家常说的百度收录值。如果要查询具体的百度收录量，应该在百度提供的站长工具中查询索引数。这是什么？

　　这个我以后给你解释文章，蜘蛛是怎么找到新链接的？它依赖于超链接。我们可以将所有网络视为聚合的有向集合，

　　蜘蛛开始沿着网页中的超链接从初始集合中发现新页面。在这个过程中，发现的每个新页面都将与集合中的现有页面进行比较。如果它是新的，它将被添加到集合中。

　　如果集合中已经存在，则会被丢弃。一个站点的遍历爬取策略分为两种，一种是深度优先，一种是广度优先，

　　如果是百度这样的商业搜索引擎，它的遍历策略可能是更复杂的规则，比如域名本身的权重系数，

　　涉及百度自己的服务器矩阵分布等，二次处理预处理是搜索引擎最复杂的部分。基本上，大多数排序算法在预处理阶段生效。

　　在预处理步骤中，搜索引擎主要对数据进行如下处理：提取关键词Spider爬取的页面与我们在浏览器中查看的源码相同，

　　通常代码比较乱，很多都与页面的主要内容无关。搜索引擎需要做三件事：去噪代码，去除网页中的所有代码，

　　只剩下文字，去除非文字关键词，页面导航栏和其他页面共享的公共区域关键词，去除停用词，

　　词是指没有特定含义的词，如“的”、“在”等，当引擎得到这个页面的关键词时，会使用自己的分词系统，

　　这篇文章被分成一个分词列表，然后存入数据库，和这篇文章一一对应，我下面解释一下，如果被抓取的页面是，

　　本页经过上述操作后搜索引擎提取的关键词集合，由关键词……组成，在百度数据库中，

　　它们之间是一一对应的关系，如下图所示，重复和转载网页的算法每个搜索引擎识别重复页面的算法都不一样。

　　但作者认为，如果将重复数据删除算法理解为由元素组成，那么所有搜索引擎可能都有完全相同的元素，而另一个元素，

　　根据不同搜索引擎的不同态度，并专门设置了相应的策略，仅对搜索引擎的大致流程进行初步说明。

　　具体的数学模型就不多解释了。在去除代码噪声的信息分析过程中，搜索引擎并没有简单地去除它。

　　相反，它充分利用网页代码（如标签、标签）、关键词密度、内链锚文本等来分析本网页中最重要的词组，重要性分析基于指向网页的外部链接锚文本。传递的权重值，

　　要确定这个页面的权重值，结合上面的“重要信息分析”，

　　为了建立本网页关键词集合中每个关键词的排名系数，上面提到的倒排文件，用户在查询过程中得到的查询结果不及时，

　　在搜索引擎的缓存区，已经大致布置好了。当然，搜索引擎不会知道先知，他不会知道哪些用户会查询关键词，

　　但是他可以建立一个关键词thesaurus，它在处理用户的查询请求时，会根据词库对他的请求进行切分，这样，

　　搜索引擎可以在用户产生查询行为之前，计算出每个关键词在词库中的对应排名，

　　这大大节省了处理查询的时间。简单的说，引擎用一个控制器来控制蜘蛛爬行，

　　然后保存set和原数据库，然后用indexer控制每个关键词and的对应关系，保存在index数据库中。下面我们来解释一下页面是否剪成文字=,,,,......,,

　　通过下图体现在索引数据库中。上图是为了方便大家理解。索引数据库实际上是搜索引擎中性能要求最高的数据库。

　　因为里面的所有因素都会受到算法的影响，所以我认为实际的索引数据库应该是一个由多维数组组成的更复杂的索引表。

　　但是它的主要功能和上图是一样的。 三、Service 查询服务，顾名思义就是在搜索界面处理用户查询请求，与搜索引擎构建一个搜索器。

　　请求分三步处理，按照关键词切词的方法。首先将用户搜索到的关键词剪成一个关键词序列，我们暂时用这个来表示，

　　将用户搜索到的关键词分为=,,,...，然后根据用户的查询方式，比如是否所有单词连在一起或者中间有空格，

　　并根据不同关键词的词性，确定每个词在查询结果展示中的重要性，我们就有了一组搜索词对结果进行排序。

　　索引中每个关键词对应的排名就是索引库。同时，它还根据用户的查询方式和词性计算每个关键词在查询结果展示中的重要性。

　　然后只需要进行一点综合排序算法，搜索结果就会出来，搜索结果和文档摘要就会有搜索结果，

　　搜索引擎会将搜索结果显示在用户界面上供用户使用。在这里，你可以问两个问题，四、

　　百度的进程漏洞，请原谅我用进程漏洞来描述这个模块，但我不得不说，在当前的点击世界中，

　　我觉得说是漏洞是可以理解的，就是除了以上三大链接，百度还内置了用户行为模块影响原库和索引库，影响原库

　　是百度快照投诉，主要针对一些互联网暴利行为。这没有任何问题。影响索引库的是用户的点击行为。

　　这种设计本身是可以理解的，但是百度算法的不成熟导致了点击作弊的猖獗。百度的用户行为分析模块非常简单。除了自己的投诉提交条目，

　　是采集用户在搜索界面的点击行为。如果这个页面的结果被大多数用户查看，但没有产生点击，大多数用户实际上选择点击第二页或后面的页面，

　　这个现象会被百度工程师知道，算法会根据这方面进行微调。百度针对不同行业有不同的算法。如果前两页中的某个界面被大量用户点击，

　　通常我小时候，这个搜索结果是有很大前提的，甚至可能会被提升到第一名。以上五、engine通用流程图（加上用户行为分析器）是我对搜索引擎工作的基础理解流程和原理，

　　最后，我想说的从业者应该已经发现，无论是百度、谷歌还是其他商业搜索引擎，他们都会要求他们不要在意算法，