搜索引擎算法_搜索引擎算法有哪几种

       大家好，今天我想和大家探讨一下“搜索引擎算法”的应用场景。为了让大家更好地理解这个问题，我将相关资料进行了分类，现在就让我们一起来探讨吧。

1.搜索引擎如何搜索到信息？

2.目前SEO优化中，百度搜索引擎排名使用的算法有哪些？请回答的完全些哦。

3.怎么查看百度搜索引擎的算法 ？

4.有赞搜索引擎实践(算法篇)

5.搜索引擎算法的公式

6.有谁知道搜索引擎的原理及内部的算法

搜索引擎如何搜索到信息？

       随着互联网的迅猛发展、WEB信息的增加，用户要在信息海洋里查找自己所需的信息，就象大海捞针一样，搜索引擎技术恰好解决了这一难题（它可以为用户提供信息检索服务）。搜索引擎是指互联网上专门提供检索服务的一类网站，这些站点的服务器通过网络搜索软件(例如网络搜索机器人)或网络登录等方式，将Intemet上大量网站的页面信息收集到本地，经过加工处理建立信息数据库和索引数据库，从而对用户提出的各种检索作出响应，提供用户所需的信息或相关指针。用户的检索途径主要包括自由词全文检索、关键词检索、分类检索及其他特殊信息的检索(如企业、人名、电话黄页等)。下面以网络搜索机器人为例来说明搜索引擎技术。

       1．网络机器人技术

       网络机器人(Robot)又被称作Spider、Worm或Random，核心目的是为获取Intemet上的信息。一般定义为“一个在网络上检索文件且自动跟踪该文件的超文本结构并循环检索被参照的所有文件的软件”。机器人利用主页中的超文本链接遍历WWW，通过U趾引用从一个HT2LIL文档爬行到另一个HTML文档。网上机器人收集到的信息可有多种用途，如建立索引、HIML文件合法性的验证、uRL链接点验证与确认、监控与获取更新信息、站点镜像等。

       机器人安在网上爬行，因此需要建立一个URL列表来记录访问的轨迹。它使用超文本，指向其他文档的URL是隐藏在文档中，需要从中分析提取URL，机器人一般都用于生成索引数据库。所有WWW的搜索程序都有如下的工作步骤：

       (1)机器人从起始URL列表中取出URL并从网上读取其指向的内容；

       (2)从每一个文档中提取某些信息(如关键字)并放入索引数据库中；

       (3)从文档中提取指向其他文档的URL，并加入到URL列表中；

       (4)重复上述3个步骤，直到再没有新的URL出现或超出了某些限制(时间或磁盘空间)；

       (5)给索引数据库加上检索接口，向网上用户发布或提供给用户检索。

       搜索算法一般有深度优先和广度优先两种基本的搜索策略。机器人以URL列表存取的方式决定搜索策略：先进先出，则形成广度优先搜索，当起始列表包含有大量的WWW服务器地址时，广度优先搜索将产生一个很好的初始结果，但很难深入到服务器中去；先进后出，则形成深度优先搜索，这样能产生较好的文档分布，更容易发现文档的结构，即找到最大数目的交叉引用。也可以采用遍历搜索的方法，就是直接将32位的IP地址变化，逐个搜索整个Intemet。

       搜索引擎是一个技术含量很高的网络应用系统。它包括网络技术、数据库技术动标引技术、检索技术、自动分类技术，机器学习等人工智能技术。

       2．索引技术

       索引技术是搜索引擎的核心技术之一。搜索引擎要对所收集到的信息进行整理、分类、索引以产生索引库，而中文搜索引擎的核心是分词技术。分词技术是利用一定的规则和词库，切分出一个句子中的词，为自动索引做好准备。目前的索引多采用Non—clustered方法，该技术和语言文字的学问有很大的关系，具体有如下几点：

       (1)存储语法库，和词汇库配合分出句子中的词汇；

       (2)存储词汇库，要同时存储词汇的使用频率和常见搭配方式；

       (3)词汇宽，应可划分为不同的专业库，以便于处理专业文献；

       (4)对无法分词的句子，把每个字当作词来处理。

       索引器生成从关键词到URL的关系索引表。索引表一般使用某种形式的倒排表(1nversionUst)，即由索引项查找相应的URL。索引表也要记录索引项在文档中出现的位置，以便检索器计算索引项之间的相邻关系或接近关系，并以特定的数据结构存储在硬盘上。

       不同的搜索引擎系统可能采用不尽相同的标引方法。例如Webcrawler利用全文检索技术，对网页中每一个单词进行索引；Lycos只对页名、标题以及最重要的100个注释词等选择性词语进行索引；Infoseek则提供概念检索和词组检索，支持and、or、near、not等布尔运算。检索引擎的索引方法大致可分为自动索引、手工索引和用户登录三类。

       3.检索器与结果处理技术

       检索器的主要功能是根据用户输入的关键词在索引器形成的倒排表中进行检索，同时完成页面与检索之间的相关度评价，对将要输出的结果进行排序，并实现某种用户相关性反馈机制。

       通过搜索引擎获得的检索结果往往成百上千，为了得到有用的信息，常用的方法是按网页的重要性或相关性给网页评级，进行相关性排序。这里的相关度是指搜索关键字在文档中出现的额度。当额度越高时，则认为该文档的相关程度越高。能见度也是常用的衡量标准之一。一个网页的能见度是指该网页入口超级链接的数目。能见度方法是基于这样的观点：一个网页被其他网页引用得越多，则该网页就越有价值。特别地，一个网页被越重要的网页所引用，则该网页的重要程度也就越高。结果处理技术可归纳为：

       (1)按频次排定次序通常，如果一个页面包含了越多的关键词，其搜索目标的相关性应该越好，这是非常合平常理的解决方案。

       (2)按页面被访问度排序在这种方法中，搜索引擎会记录它所搜索到的页面被访问的频率。人们访问较多的页面通常应该包含比较多的信息，或者有其他吸引入的长处。这种解决方案适合一般的搜索用户，而因为大部分的搜索引擎都不是专业性用户，所以这种方案也比较适合一般搜索引擎使用。

       (3)二次检索进一步净化(比flne)结果，按照一定的条件对搜索结果进行优化，可以再选择类别、相关词进行二次搜索等。

       由于目前的搜索引擎还不具备智能，除非知道要查找的文档的标题，否则排列第一的结果未必是“最好”的结果。所以有些文档尽管相关程度高，但并不一定是用户最需要的文档。

       搜索引擎技术的行业应用：

       搜索引擎的行业应用一般指类似于千瓦通信提供的多种搜索引擎行业与产品应用模式，大体上分为如下几种形式：

       1、政府机关行业应用

       n实时跟踪、采集与业务工作相关的信息来源。

       n全面满足内部工作人员对互联网信息的全局观测需求。

       n及时解决政务外网、政务内网的信息源问题，实现动态发布。

       n快速解决政府主网站对各地级子网站的信息获取需求。

       n全面整合信息，实现政府内部跨地区、跨部门的信息资源共享与有效沟通。

       n节约信息采集的人力、物力、时间，提高办公效率。

       2、企业行业应用

       n实时准确地监控、追踪竞争对手动态，是企业获取竞争情报的利器。

       n及时获取竞争对手的公开信息以便研究同行业的发展与市场需求。

       n为企业决策部门和管理层提供便捷、多途径的企业战略决策工具。

       n大幅度地提高企业获取、利用情报的效率，节省情报信息收集、存储、挖掘的相关费用，是提高企业核心竞争力的关键。

       n提高企业整体分析研究能力、市场快速反应能力，建立起以知识管理为核心的竞争情报数据仓库，是提高企业核心竞争力的神经中枢。

       3、新闻媒体行业应用

       n快速准确地自动跟踪、采集数千家网络媒体信息，扩大新闻线索，提高采集速度。

       n支持每天对数万条新闻进行有效抓取。监控范围的深度、广度可以自行设定。

       n支持对所需内容智能提取、审核。

       n实现互联网信息内容采集、浏览、编辑、管理、发布的一体化。

       4、行业网站应用

       n实时跟踪、采集与网站相关的信息来源。

       n及时跟踪行业的信息来源网站，自动，快速更新网站信息。动态更新信息。

       n实现互联网信息内容采集、浏览、编辑、管理、发布的一体化。

       n针对商务网站提出商务管理模式，大大提高行业网站的商务应用需求。

       n针对资讯网站分类目录生成，提出用户生成网站分类结构。并可以实时增加与更新分类结构。不受级数限制。从而大大利高行业的应用性。

       n提供搜索引擎SEO优化专业服务，快速提高行业网站的推广。

       n提供与CCDC呼叫搜索引擎的广告合作。建立行业网站联盟，提高行业网站知名度。

       5)网络信息监察与监控

       n网络舆情系统。如“千瓦通信-网络舆情雷达监测系统”

       n网站信息与内容监察与监控系统，如“千瓦通信-网站信息与内容监测与监察系统（站内神探）”

       随着因特网的迅猛发展、WEB信息的增加，用户要在信息海洋里查找信息，就象大海捞

       针一样，搜索引擎技术恰好解决了这一难题（它可以为用户提供信息检索服务）。目前，

       搜索引擎技术正成为计算机工业界和学术界争相研究、开发的对象。

       搜索引擎（SearchEngine）是随着WEB信息的迅速增加，从1995年开始逐渐发展起来

       的技术。据发表在《科学》杂志1999年7月的文章《WEB信息的可访问性》估计，全球目前

       的网页超过8亿，有效数据超过9T，并且仍以每4个月翻一番的速度增长。用户要在如此浩

       瀚的信息海洋里寻找信息，必然会"大海捞针"无功而返。搜索引擎正是为了解决这个"迷航

       "问题而出现的技术。搜索引擎以一定的策略在互联网中搜集、发现信息，对信息进行理解

       、提取、组织和处理，并为用户提供检索服务，从而起到信息导航的目的。搜索引擎提供

       的导航服务已经成为互联网上非常重要的网络服务，搜索引擎站点也被美誉为"网络门户"

       。搜索引擎技术因而成为计算机工业界和学术界争相研究、开发的对象。本文旨在对搜索

       引擎的关键技术进行简单的介绍，以起到抛砖引玉的作用。

       分类

       按照信息搜集方法和服务提供方式的不同，搜索引擎系统可以分为三大类：

       1．目录式搜索引擎：以人工方式或半自动方式搜集信息，由编辑员查看信息之后，人

       工形成信息摘要，并将信息置于事先确定的分类框架中。信息大多面向网站，提供目录浏

       览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确、导航质量高

       ，缺点是需要人工介入、维护量大、信息量少、信息更新不及时。这类搜索引擎的代表是

       ：Yahoo、LookSmart、OpenDirectory、GoGuide等。

       2．机器人搜索引擎：由一个称为蜘蛛（Spider）的机器人程序以某种策略自动地在互

       联网中搜集和发现信息，由索引器为搜集到的信息建立索引，由检索器根据用户的查询输

       入检索索引库，并将查询结果返回给用户。服务方式是面向网页的全文检索服务。该类搜

       索引擎的优点是信息量大、更新及时、毋需人工干预，缺点是返回信息过多，有很多无关

       信息，用户必须从结果中进行筛选。这类搜索引擎的代表是：AltaVista、NorthernLigh

       t、Excite、Infoseek、Inktomi、FAST、Lycos、Google；国内代表为："天网"、悠游、O

       penFind等。

       3．元搜索引擎：这类搜索引擎没有自己的数据，而是将用户的查询请求同时向多个搜

       索引擎递交，将返回的结果进行重复排除、重新排序等处理后，作为自己的结果返回给用

       户。服务方式为面向网页的全文检索。这类搜索引擎的优点是返回结果的信息量更大、更

       全，缺点是不能够充分使用所使用搜索引擎的功能，用户需要做更多的筛选。这类搜索引

       擎的代表是WebCrawler、InfoMarket等。

       性能指标

       我们可以将WEB信息的搜索看作一个信息检索问题，即在由WEB网页组成的文档库中检索

       出与用户查询相关的文档。所以我们可以用衡量传统信息检索系统的性能参数-召回率（R

       ecall）和精度（Pricision）衡量一个搜索引擎的性能。

       召回率是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系

       统（搜索引擎）的查全率；精度是检索出的相关文档数与检索出的文档总数的比率，衡量

       的是检索系统（搜索引擎）的查准率。对于一个检索系统来讲，召回率和精度不可能两全

       其美：召回率高时，精度低，精度高时，召回率低。所以常常用11种召回率下11种精度的

       平均值（即11点平均精度）来衡量一个检索系统的精度。对于搜索引擎系统来讲，因为没

       有一个搜索引擎系统能够搜集到所有的WEB网页，所以召回率很难计算。目前的搜索引擎系

       统都非常关心精度。

       影响一个搜索引擎系统的性能有很多因素，最主要的是信息检索模型，包括文档和查询

       的表示方法、评价文档和用户查询相关性的匹配策略、查询结果的排序方法和用户进行相

       关度反馈的机制。

       主要技术

       一个搜索引擎由搜索器、索引器、检索器和用户接口等四个部分组成。

       1.搜索器

       搜索器的功能是在互联网中漫游，发现和搜集信息。它常常是一个计算机程序，日夜

       不停地运行。它要尽可能多、尽可能快地搜集各种类型的新信息，同时因为互联网上的信

       息更新很快，所以还要定期更新已经搜集过的旧信息，以避免死连接和无效连接。目前有

       两种搜集信息的策略：

       ●从一个起始URL集合开始，顺着这些URL中的超链（Hyperlink），以宽度优先、深

       度优先或启发式方式循环地在互联网中发现信息。这些起始URL可以是任意的URL，但常常

       是一些非常流行、包含很多链接的站点（如Yahoo！）。

       ●将Web空间按照域名、IP地址或国家域名划分，每个搜索器负责一个子空间的穷尽

       搜索。搜索器搜集的信息类型多种多样，包括HTML、XML、Newsgroup文章、FTP文件、

       字处理文档、多媒体信息。搜索器的实现常常用分布式、并行计算技术，以提高信息

       发现和更新的速度。商业搜索引擎的信息发现可以达到每天几百万网页。

       2.索引器

       索引器的功能是理解搜索器所搜索的信息，从中抽取出索引项，用于表示文档以及生

       成文档库的索引表。

       索引项有客观索引项和内容索引项两种：客观项与文档的语意内容无关，如作者名、

       URL、更新时间、编码、长度、链接流行度（LinkPopularity）等等；内容索引项是用来

       反映文档内容的，如关键词及其权重、短语、单字等等。内容索引项可以分为单索引项和

       多索引项（或称短语索引项）两种。单索引项对于英文来讲是英语单词，比较容易提取，

       因为单词之间有天然的分隔符（空格）；对于中文等连续书写的语言，必须进行词语的切

       分。在搜索引擎中，一般要给单索引项赋与一个权值，以表示该索引项对文档的区分

       度，同时用来计算查询结果的相关度。使用的方法一般有统计法、信息论法和概率法。短

       语索引项的提取方法有统计法、概率法和语言学法。

       索引表一般使用某种形式的倒排表（InversionList），即由索引项查找相应的文档

       。索引表也可能要记录索引项在文档中出现的位置，以便检索器计算索引项之间的相邻或

       接近关系（proximity）。

       索引器可以使用集中式索引算法或分布式索引算法。当数据量很大时，必须实现即时

       索引（InstantIndexing），否则不能够跟上信息量急剧增加的速度。索引算法对索引器

       的性能（如大规模峰值查询时的响应速度）有很大的影响。一个搜索引擎的有效性在很大

       程度上取决于索引的质量。

       3.检索器检索器的功能是根据用户的查询在索引库中快速检出文档，进行文档与

       查询的相关度评价，对将要输出的结果进行排序，并实现某种用户相关性反馈机制。

       检索器常用的信息检索模型有集合理论模型、代数模型、概率模型和混合模型四种。

       4.用户接口

       用户接口的作用是输入用户查询、显示查询结果、提供用户相关性反馈机制。主要的

       目的是方便用户使用搜索引擎，高效率、多方式地从搜索引擎中得到有效、及时的信息。

       用户接口的设计和实现使用人机交互的理论和方法，以充分适应人类的思维习惯。

       用户输入接口可以分为简单接口和复杂接口两种。

       简单接口只提供用户输入查询串的文本框；复杂接口可以让用户对查询进行限制，如

       逻辑运算（与、或、非；+、-）、相近关系（相邻、NEAR）、域名范围（如.edu、.com）

       、出现位置（如标题、内容）、信息时间、长度等等。目前一些公司和机构正在考虑制定

       查询选项的标准。

       未来动向

       搜索引擎已成为一个新的研究、开发领域。因为它要用到信息检索、人工智能、计算

       机网络、分布式处理、数据库、数据挖掘、数字图书馆、自然语言处理等多领域的理论和

       技术，所以具有综合性和挑战性。又由于搜索引擎有大量的用户，有很好的经济价值，所

       以引起了世界各国计算机科学界和信息产业界的高度关注，目前的研究、开发十分活跃，

       并出现了很多值得注意的动向。

       1.十分注意提高信息查询结果的精度，提高检索的有效性用户在搜索引擎上进行

       信息查询时，并不十分关注返回结果的多少，而是看结果是否和自己的需求吻合。对于一

       个查询，传统的搜索引擎动辄返回几十万、几百万篇文档，用户不得不在结果中筛选。解

       决查询结果过多的现象目前出现了几种方法：一是通过各种方法获得用户没有在查询语句

       中表达出来的真正用途，包括使用智能代理跟踪用户检索行为，分析用户模型；使用相关

       度反馈机制，使用户告诉搜索引擎哪些文档和自己的需求相关（及其相关的程度），哪些

       不相关，通过多次交互逐步求精。二是用正文分类（TextCategorization）技术将结果分

       类，使用可视化技术显示分类结构，用户可以只浏览自己感兴趣的类别。三是进行站点类

       聚或内容类聚，减少信息的总量。

       2.基于智能代理的信息过滤和个性化服务

       信息智能代理是另外一种利用互联网信息的机制。它使用自动获得的领域模型（如We

       b知识、信息处理、与用户兴趣相关的信息资源、领域组织结构）、用户模型（如用户背景

       、兴趣、行为、风格）知识进行信息搜集、索引、过滤（包括兴趣过滤和不良信息过滤）

       ，并自动地将用户感兴趣的、对用户有用的信息提交给用户。智能代理具有不断学习、适

       应信息和用户兴趣动态变化的能力，从而提供个性化的服务。智能代理可以在用户端进行

       ，也可以在服务器端运行。

       3.采用分布式体系结构提高系统规模和性能

       搜索引擎的实现可以采用集中式体系结构和分布式体系结构，两种方法各有千秋。但

       当系统规模到达一定程度（如网页数达到亿级）时，必然要采用某种分布式方法，以提高

       系统性能。搜索引擎的各个组成部分，除了用户接口之外，都可以进行分布：搜索器可以

       在多台机器上相互合作、相互分工进行信息发现，以提高信息发现和更新速度；索引器可

       以将索引分布在不同的机器上，以减小索引对机器的要求；检索器可以在不同的机器上.

目前SEO优化中，百度搜索引擎排名使用的算法有哪些？请回答的完全些哦。

       1、爬虫（Spider）：也被称为机器人或网页蜘蛛，负责在互联网上抓取和收集网页信息。爬虫按照一定的规则和算法，自动访问互联网上的网页，并收集网页中的信息。它的主要功能是建立索引，以便快速找到相关的网页。

       2、索引器（Indexer）：这是搜索引擎的核心部分，它负责处理爬虫收集到的网页信息，建立索引。索引器会对网页中的每个词进行分析，并根据词的频率和重要性等因素，建立索引。这样，当用户进行搜索时，索引器可以快速地找到相关的网页。

       3、排序算法（Ranking Algorithm）：排序算法根据用户输入的查询条件，在索引中查找相关的网页，并根据一定的规则对网页进行排序。排序算法通常会考虑很多因素，如网页的相关性、页面的质量、页面的权威性等，以确定网页的排名。

       4、搜索器（Searcher）：也被称为查询处理系统或前端系统，负责接收用户的查询请求，并将查询结果返回给用户。搜索器首先会使用排序算法对索引中的网页进行排序，然后根据用户的查询条件过滤掉不相关的网页，最后将符合条件的网页以列表的形式展示给用户。

搜索引擎相关内容

       1、信息检索的革命：在搜索引擎出现之前，人们需要依赖目录、黄页或特定的网站来查找信息，这种方式既耗时又效率低下。搜索引擎的出现彻底改变了这一现状，它能够在数秒内在数十亿的网页中找到与用户查询相关的内容，实现了信息检索的革命。

       2、个性化的搜索体验：随着技术的发展，搜索引擎已经从单纯的关键词匹配进化到了理解用户意图和提供个性化搜索结果的阶段。通过分析用户的搜索历史、地理位置和其他数据，搜索引擎能够为用户提供更加精准和个性化的搜索结果，从而提高了用户的搜索体验。

       3、商业与广告的融合：搜索引擎不仅改变了我们查找信息的方式，还深刻地影响了商业和广告行业。通过搜索引擎优化（SEO）和搜索引擎营销（SEM），企业可以更有针对性地推广自己的产品和服务，而用户也可以通过搜索引擎更方便地找到所需的产品和服务。

怎么查看百度搜索引擎的算法 ？

       你好朋友做SEO的我们都知道，我们时时刻刻都是在围绕搜索引擎在转，就拿百度来说吧，你个人做的再好，但是百度的算法一变，你如果不作相应的改进那好多功夫都是枉然，所以孙大圣威客网罗SEO分析了2016年百度10大最新算法规则，希望给大家有所帮助。

       （1）、百度进一步提高了自身产物关头字排名的顺序，搜索 百度百科、百度地图、百度知道、百度贴吧等属于百度自己的产品。还有就是和百度自己合作的上网站权重也提高了。

       （2）、百度排名顺序由原本的每礼拜调整1次排名，现在1天都有可能3-4次的排名调整。

       （3）、百度对信息越真实的网站排名会给予更好的排名。公司性质的网站要比小我道质的网站排名更有优势对于一些垃圾站点，剽窃网站、模拟网站一律不给于排名。

       （4）、更新时间：天天更新是7-9点下调整为5-6点，晚上10-12点周三大更新，调整为每周四大概凌晨4点更新。每月大更新的时间是11号和26号，尤其是26号，更新幅度最大，K站也是最多的。企业站内容较少的话，建议每周四前更新一下内容，内容多的话，最好是天天更新3篇。

       （5）、百度把新站收录审核时间变短，呈现2-3天内就可以收录。百度为了搜索成效加倍切确，引用了文章**现的日期，不外没有进行当天日期的对照处理。度比来一天收录后果禁绝确。天首页快照，网站能有当天的首页快照，当天快照，原来只有谷歌才有。

       （6）、百度调整了对站点一再的SPM内容站点降权。百度对于网站的原创性要求更高，条理品级很较着的得到了改善。在自己的网站上揭晓文章，但文章问题百度更新收录规则和内容一定要百度下搜索不到的，然后在去各大论坛投稿一样的。过一会再去百度下搜索看，只如果原创的基本上能排在第一位。还有一些网络营销专业人士认为，百度算法调整后，对新站的亲爱水平比原来有所加强。

       （7）、对门户站的权重比较垂青，这是算法调整最直接得默认。追踪一些枢纽词可以看到的一个普遍现象：排名前两名大部门依然是自力站点，从第三名起都是门户页面，直到第二页起头恢复独立站。

       （8）、百度针对论坛和博客站点导入链接降权，论坛签名已经对百度失效、百度重点提升了自身产品百科、贴吧、知道、辞书、有啊、经验、文库等相关内容页面的权重，现在百度这些产品的内容在第一页都有浮现，尤其是百度百科和百度文库。

       （9）、百度对网站有弹窗广告这样的站点给于降权，对加盟链接联盟站点、页面站点里面有大量JS代码内容、友情连接过多的站点给予适当降权。

       （10）、百度对搜素引擎的人工干与进一步加强：如你的网站关键词排名很高，而内容简单，无更新。虽然从百度获得的流量很大，百度就有可能经过人工干预，给你网站关键词降权甚至从百度收录中删除掉。

        希望我的回答对您有帮助 谢谢采纳 不足可追问

有赞搜索引擎实践(算法篇)

       目前已知的百度搜索引擎的算法

       到目前为止，根据各方面数据整理的百度搜索引擎算法有两百项左右，今天总结公开其中的130项，希望对大伙儿在操作SEO过程中有所帮助！

       1、网站服务器的稳定性

       2、网站服务器的安全性

       网站服务器的安全是十分重要的，尤其对金融、旅游、移民等高利润行业站点。

       3、同IP下的网站越少越好

       4、同IP下的网站无大量被K

       5、同IP下的网站无大量被降权

       6、转移服务器会影响网站排名

       网站搬家、网站转移服务器会网站排名的，这里推荐采用网站流量点击保护可以很大程度避免排名的下滑。

       7、域名包含关键词（拼音、英文）

       就比如某地区SEO排名，推荐域名中包含有seo等关键词。

       8、域名年龄越老越有排名优势

       9、域名主题的转换直接影响排名

       10、备案对网站排名稳定性的重要

       11、最好采用DIV+CSS布局

       12、表格布局避免过多嵌套

       13、网页编码对网站的影响

       14、整站生成静态HTML

       静态化肯定是特别利于优化的，但是很多站长的空间没有那么大，这里推荐可以采用伪静态的优化手法。

       15、动态URL的优化劣势

       16、目录的层次不要太深

       17、目录名称的优化

       18、网页URL不要太长

       19、网站内容的原创性

       20、避免大量内容重复

       21、避免大量采集内容填充

       22、避免大量页面内容相似度太高

       23、网站内容不要出现违法字眼

       24、内容越丰富越有利于排名

       25、内容被收录的数量越多越好

       26、页面大小(建议小于100K)

       页面内容在满足用户需求的同时，尽量体积小些，比如百度的首页大小才4K。

       27、页面避免出现太多

       28、网站sitemap时时更新与提交

       29、新页面产生的速率

       30、网站Meta的优化设计

       31、Deion的优化设计

       32、Keywords的优化设计

       33、避免太多无关的关键词

       34、网页PR值对排名的影响

       35、核心关键词的选取

       对网站核心关键词一定要定位准确，太原网站推广和太原网站建设虽然是很相近，但是优化的时候一定要有个针对性。比如：某某装修公司，既包含某某装修公司，又能给用户最为顺畅方便记忆的标题。

       36、扩展关键词的选取

       37、长尾关键词的选择

       38、关键词在网站TITLE上的使用

       最好的关键词在title显示是一句通顺的语句，既适合搜索引擎的匹配抓取，又适合用户的浏览点击。

       39、保持网页Title的唯一性

       40、标题设计不要过长

       这里主要是针对快照索引字节，对手机站的标题就需要更少点，毕竟现在移动端站优化也是主流方向，对移动站标题的设计就需要更少字节。

       41、标题不要堆砌关键词

       42、标题的分词描写规则

       43、标题描写结合长尾关键词

       44、每个标题最好突出1-2个关键词

       45、关键词在Meta Deion中的使用

       可参考赵一鸣随笔博客的deion写法

       46、关键词在Meta Keywords中的使用

       47、关键词在H1、H2、H3标签中的使用

       48、一个页面尽量只使用一个H1

       很多人都在好奇为什么有的网站一直排名那么好，其实大家可以仔细点开每一个内页，每一个内页的标题都是在 H1中包裹的。

       49、关键词在页面URL中的使用

       50、在url中使用"-"连接关键词

       51、关键词与页面内容的相关性

       52、关键词的加粗优化

       53、关键词的斜体优化

       54、关键词的下划线优化

       55、关键词的跑马灯优化

       56、关键词字体大小

       57、的关键词优化 alt标签

       58、关键词是否突出

       59、关键词的密度7%左右

       其实网站关键词密度这个事在网站优化过程中并没有那么重要，我优化站的时候是不会特意控制关键词密度的，除非碰到一些竞争超级大的行业（比如贷款、旅游等行业站点）。

       60、关键词的集中+分散布局

       61、关键词的均匀分散布局

       62、网站内部链接结构（星状、树状）

       63、网站内部链接结构（扁平）

       64、内部链接的数量

       65、内部链接相关性质量

       当两个网站不分伯仲时，这个时候对网站内链的控制就显得尤为重要了，网站内链相关性有多大，太原雅辉装修网每个装修效果图栏目下面的都是最相关的。客厅的就推荐客厅，厨房的就推荐厨房。

       65、内部链接的锚文字

       网站内链设置得当的话，不仅仅能提升网站主关键词整体的排名，还能提升网站长尾关键词的排名。

       66、内部链接周围的文字

       67、内部链接锚点避免单一

       68、内部链接的多样化

       69、内部链接相关文章交叉

       70、内部链接创建和更新时间

       71、内部链接的加粗优化

       72、内部链接的斜体优化

       73、内部链接的下划线优化

       74、内部链接页面的PR值

       75、内部链接产生的速率

       76、内部链接主题、页面内容与关键词的相关性

       77、内部链接存在的时间

       78、确保站内链接有效

       79、网站外部链接的稳定性

       80、网站外部链接的创建和更新时间

       都知道，网站外部链接是有生命周期的，友情链接时间越长越好，对为网站SEO优化主动发的论坛等链接时间越近越好。

       81、网站外部链接网站的PR值

       82、网站外部链接的主题、页面内容与关键词的相关性

       83、网站外部链接产生的速率

       虽然很多站长声称外链是没有效果了，但是经过我的实验，主动发的外链还是有效果的。

       84、网站外部链接存在的时长

       85、网站外部链接指向的页面有具体内容

       这里的外部链接通常指一些别人转发我们网站内容的链接，要确保转发到的平台是和我们网站内容相关的，这样才能保证高质量外链。

       86、网站外部链接的价值高于互惠链接

       87、外部连接(反向连接与友情连接)的数量

       88、网站外部链接的锚文字

       89、网站外部链接锚点的多样化

       90、网站外部链接页面本身的链接权重、质量

       91、网站外部链接页面在相关主题的网站中的链接权重

       92、网站外部链接的周围文字

       外部链接周围文字，这也是为什么我们最后找一些同行站的其中原因之一。

       93、网站外部链接最好来自不同IP

       94、网站外部链接的加粗优化

       95、网站外部链接网站域名的特殊性

       96、网站外部链接的斜体优化

       97、网站外部链接的下划线优化

       98、确保站外链接有效

       有个别不道德的站长，采用nofollow链接手法骗取新手站长的首页链接，这里大家一定要慎重。

       99、导入链接增加速度 （导入链接的增加是有周期性的，每天增加可以循环上升）

       100、导入链接文字不能经常改变

       101、导入链接的流行程度

       102、导入链接页面中关键词密度

       103、导入链接页面标题

       116、避免频繁修改网站标题、描述

       避免频繁修改网站的title ，如果修改太频繁的话，容易使网站进入沙盒期。

       117、避免太快修改链接

       118、避免太快修改页面

       119、避免过多的java

       120、避免使用Flash

       121、避免使用框架

       122、避免使用一个像素的链接

       123、避免使用隐藏链接

       124、避免使用看不见的文字

       125、避免存在不良的友情网站链接

       126、避免细节点使用恶劣低级的语言

       127、避免导航结构避免使用

       128、推荐文章链接被大网站引用

       129、推荐文章被大量转载

       130、推荐：搜索引擎快照更新快

搜索引擎算法的公式

       注：转自于 有赞

        在上篇文章(工程篇)中, 我们介绍了有赞搜索引擎的基本框架. 搜索引擎主要3个部件构成. 第一, hadoop集群, 用于生成大规模搜索和实时索引; 第二, ElasticSearch集群, 提供分布式搜索方案; 第三, 高级搜索集群, 用于提供商业搜索的特殊功能.

        商业电商搜索由于搜索的特殊性, 独立的ElasticSearch集群是无法满足多样的算法需求的, 我们在搜索的各个部件上都有相应的算法插件, 用于构建商业电商搜索引擎的算法体系.

        创建索引过程从原始数据创建倒排索引的过程. 这个过程中我们对商品(doc)进行分析, 计算商品静态分, 并对商品进行相似度计算. 商品的静态分对于提升搜索引擎质量起到至关重要的作用, 相当于网页搜索的pagerank, 想象一下如果没有pagerank算法, 网页搜索的质量会有多么差. 在电商搜索中, 最常见的问题是相似商品太多, 必须在建立索引过程中就对商品间的相似度进行预计算, 以便在检索过程中进行有效去重.

        创建索引的过程如下.

        step 1. 计算每个doc的静态分

        step 2. 计算两两doc的相似度

        step 3. 根据相似度和其他信息对数据进行分库

        step 4. 建立ES索引

        检索过程是搜索引擎接收用户的query进行一系列处理并返回相关结果的过程. 商业搜索引擎在检索过程中需要考虑2个因素: 1) 相关性 2) 重要性.

        相关性是指返回结果和输入query是否相关, 这是搜索引擎基本问题之一, 目前常用的算法有BM25和空间向量模型. 这个两个算法ElasticSearch都支持, 一般商业搜索引擎都用BM25算法. BM25算法会计算每个doc和query的相关性分, 我们使用Dscore表示.

        重要性是指商品被信赖的程度, 我们应该吧最被消费之信赖的商品返回给消费者, 而不是让消费之自己鉴别. 尤其是在商品充分竞争的电商搜索, 我们必须赋予商品合理的重要性分数, 才能保证搜索结果的优质. 重要性分, 又叫做静态分, 使用Tscore表示.

        搜索引擎最终的排序依据是:

        Score = Dscore * Tscore

        即综合考虑静态分和动态分, 给用户相关且重要的商品.

        检索的过程大致抽象为如下几个步骤.

        step 1. 对原始query进行query分析

        step 2. 在as中根据query分析结果进行query重写

        step 3. 在as中使用重写后的query检索es

        step 4. 在es查询过程中根据静态分和动态分综合排序

        step 5. 在as中吧es返回的结果进行重排

        step 6. 返回结果

        下面几章阐述几个重点技术.

        在电商搜索引擎里面商品的静态分是有网页搜索里面的pagerank同等的价值和重要性, 他们都是doc固有的和查询query无关的价值度量. pagerank通过doc之间的投票关系进行运算, 相对而言商品的静态分的因素会更多一些. 商品静态计算过程和pagerank一样需要解决如下2个问题: 1. 稳定性. pagerank可以保证一个网站不会因为简单链接堆砌可以线性提升网站的排名. 同样, 商品静态分的计算不可以让商品可以通过增加单一指标线性增加分值(比如刷单对搜索引擎的质量的影响).

        2. 区分度. 在保证稳定性的基础上商品静态分要有足够的区分度可以保证同样搜索的条件下, 排在前面的商品的质量比排在后面的商品的质量高.

        我们假设商品的静态分有3个决定性因素, 1.下单数, 2. 好评率 3. 发货速度

        静态分我们使用Tsocre表示, Tscore可以写成如下形式:

        Tscore = a * f(下单数) + b * g(好评率) + c * h(发货速度)

        a,b,c是权重参数, 用于平衡各个指标的影响程度. f,g,h是代表函数用于把原始的指标转化成合理的度量.

        首先, 我们需要寻找合理的代表函数.

        z-score 标准化方法

       这种方法非常不稳定, 假设一个奇异点是第二大的值的1000倍, 会让大部分的值都集中在0~0.01, 同样失去了归一化的目的.

       (图三: log-zscore归一化)

        最后, 选择合适的权重 经过log-zscore归一化以后, 我们基本上吧f,g,h的表示的代表函数说明清楚. Tscore = a f(下单数) + b g(好评率) + c*h(发货速度), 下一步就是确定a,b,c的参数. 一般有两个方法:

        a) 专家法. 根据我们的日常经验动态调整权重参数;

        b) 实验法. 首先在专家的帮助下赋一个初始值, 然后改变单一变量的方法根据abtest的结果来动态调整参数.

        商品标题去重在电商搜索中起到重要作用, 根据数据, 用户通过搜索页购买商品80%选择搜索的前4页. 商品标题的重复会导致重要的页面没有含金量, 极大降低了搜索的购买率.

        举个例子:

        Title1:美味/香蕉/包邮/广东/高州/香蕉/banana//无/催熟剂/

        Title2:美味/香蕉/广东/高州/香蕉//非/粉蕉/包邮/

        首先, 进行特征向量化

        这里用到 "bag of word" 技术, 将词汇表作为空间向量的维度, 标题的每个term的词频作为这个feature的值. 以这个例子来说. 这个词汇的维度为: 美味(0), 香蕉(1), 包邮(2), 广东(3), 高州(4), banana(5),无(6), 催熟剂(7),非(8),粉蕉(9) 位置: 0,1,2,3,4,5,6,7,8,9

        Title1: 1,2,1,1,1,1,1,1,0,0

        Title2: 1,2,1,1,1,0,0,0,1,1

        这个每个title都用一个固定长度的向量表示.

        再次, 计算两两相似度

        相似度一般是通过计算两个向量的距离实现的, 不失一般性, 在这里我们使用1-cosine(x,y)来表示两个向量的距离. 这是一个"All Pair Similarity"的问题, 即需要两两比较, 复杂度在O(n^2). 在商品量巨大的时候单机很难处理. 我们给出两种方法用于实现"All Pair Similarity".

        方法一: spark的矩阵运算.

        方法二: map-reduce 线性方法. 这个方法参考论文"Pairwise Document Similarity in Large Collections with MapReduce". 可以实现几乎线性的时间复杂度. 相对于矩阵运算在大规模(10亿以上)pair similarity 运算上面有优势. 这个方法简单的描述如下: 首先, 按照倒排索引的计算方式计算每个term到doc的映射. 比如3个doc:

        转化为倒排格式, 这个需要一次mapper reduce

        然后, 对于value只有一个元素的过滤掉, 对于value大于2个doc的两两组合:

        最后, 对于输出进行聚合,value为重复次数和两个doc乘积开根号的比.

        对于2个title1, title2, 如果X(title1, title2) > 0.7 则认为title1和title2相似, 对于相似的两个doc, 静态分大的定义为主doc, 静态分小的定义为辅doc. 主doc和辅doc分别建库.

        区别于网页搜索(网页搜索直接将辅doc删除), 我们将主doc和辅doc分别建库. 每一次搜索按比例分别搜主库和辅库, 并将结果融合返回. 这样可以保证结果的多样性.

        店铺去重和商品标题去重有点不同. 由于电商特定场景的需要, 不希望搜索结果一家独大, 这样会引发强烈的马太效应. 店铺去重不能使用如上的方法进行. 因为上面的方法的主要依据是文本相似, 在结果都相关的前提下, 进行适当的取舍. 但是店铺去重不是这样的特性.

        设想一下, 如果我们根据店铺是否相同, 把同一店铺的商品分到主库和从库中, 如下图所示.

        A和B代表不同的店铺.

        在搜索香蕉的时候, 的确可以控制A店铺结果的数量, 但是在搜索"梨"的时候就错误的吧B店铺的梨排在前面了(假设A:梨比B:梨静态分高).

       搜索的过程每个桶平均分摊搜索任务的25%, 并根据静态分合并成一页的结果. 这样同一保证结果的相对顺序, 又达到了店铺去重的目的.

        如上图所示, 搜索"香蕉", 虽然A店铺有10个满足需求的结果, 但是每页搜索醉倒只有5个结果可以展示.

        上面介绍了几个建立索引过程中几项技术, 检索过程中的关键技术有很多. 其中最著名的是query分析技术. 我们使用的query分析技术主要包括核心词识别, 同义词拓展, 品牌词识别等等. query分析技术大部分都是NLP研究范围, 本文就不详细阐述很多理论知识. 我们重点介绍同义词拓展技术. 这个技术一般都需要根据自己的商品和和用户日志特定训练, 无法像分词技术和品牌词识别一样有标准的库可以适用.

        同义词拓展一般是通过分析用户session日志获取. 如果一个用户输入"苹果手机"没有得到想要的结果, 他接着输入"iphone", 我们在"苹果手机"和"iphone"之间创建一个转移关系. 基于统计, 我们可以把用户query创建一个相互联系的权重图.

        用户输入query "苹果手机", 根据query分析, "苹果手机"有 "iphone" 0.8, "iphone 6" 0.5 两个同义词. 0.8和0.5分别表示同义的程度. 我们想要"苹果手机", "iphone", "iphone 6" 3个query同时输入, 并且按照同义的程度对不同的query赋予不同的权重. ElasticSearch提供的BoostingQuery可以支持这个需求. 参考: .search.yahoo.com/dirsrch/）。

        在网上，对这两类搜索引擎进行整合，还产生了其它的搜索服务，在这里，我们权且也把它们称作搜索引擎，主要有这两类：

        ⒈元搜索引擎(META Search Engine)。这类搜索引擎一般都没有自己网络机器人及数据库，它们的搜索结果是通过调用、控制和优化其它多个独立搜索引擎的搜索结果并以统一的格式在同一界面集中显示。元搜索引擎虽没有“网络机器人”或“网络蜘蛛”，也无独立的索引数据库，但在检索请求提交、检索接口代理和检索结果显示等方面，均有自己研发的特色元搜索技术。比如“metaFisher元搜索引擎”

       （/fish/），它就调用和整合了Google、Yahoo、AlltheWeb、百度和OpenFind等多家搜索引擎的数据。

        ⒉集成搜索引擎（All－in－One Search Page）。集成搜索引擎是通过网络技术，在一个网页上链接很多个独立搜索引擎，查询时，点选或指定搜索引擎，一次输入，多个搜索引擎同时查询，搜索结果由各搜索引擎分别以不同页面显示，比如“网际瑞士军刀”（/%7Efree/search1.htm）。

        二、搜索引擎的工作原理

        全文搜索引擎的“网络机器人”或“网络蜘蛛”是一种网络上的软件，它遍历Web空间，能够扫描一定IP地址范围内的网站，并沿着网络上的链接从一个网页到另一个网页，从一个网站到另一个网站采集网页资料。它为保证采集的资料最新，还会回访已抓取过的网页。网络机器人或网络蜘蛛采集的网页，还要有其它程序进行分析，根据一定的相关度算法进行大量的计算建立网页索引，才能添加到索引数据库中。我们平时看到的全文搜索引擎，实际上只是一个搜索引擎系统的检索界面，当你输入关键词进行查询时，搜索引擎会从庞大的数据库中找到符合该关键词的所有相关网页的索引，并按一定的排名规则呈现给我们。不同的搜索引擎，网页索引数据库不同，排名规则也不尽相同，所以，当我们以同一关键词用不同的搜索引擎查询时，搜索结果也就不尽相同。

        和全文搜索引擎一样，分类目录的整个工作过程也同样分为收集信息、分析信息和查询信息三部分，只不过分类目录的收集、分析信息两部分主要依靠人工完成。分类目录一般都有专门的编辑人员，负责收集网站的信息。随着收录站点的增多，现在一般都是由站点管理者递交自己的网站信息给分类目录，然后由分类目录的编辑人员审核递交的网站，以决定是否收录该站点。如果该站点审核通过，分类目录的编辑人员还需要分析该站点的内容，并将该站点放在相应的类别和目录中。所有这些收录的站点同样被存放在一个“索引数据库”中。用户在查询信息时，可以选择按照关键词搜索，也可按分类目录逐层查找。如以关键词搜索，返回的结果跟全文搜索引擎一样，也是根据信息关联程度排列网站。需要注意的是，分类目录的关键词查询只能在网站的名称、网址、简介等内容中进行，它的查询结果也只是被收录网站首页的URL地址，而不是具体的页面。分类目录就像一个电话号码薄一样，按照各个网站的性质，把其网址分门别类排在一起，大类下面套着小类，一直到各个网站的详细地址，一般还会提供各个网站的内容简介，用户不使用关键词也可进行查询，只要找到相关目录，就完全可以找到相关的网站（注意：是相关的网站，而不是这个网站上某个网页的内容，某一目录中网站的排名一般是按照标题字母的先后顺序或者收录的时间顺序决定的）。

        搜索引擎并不真正搜索互联网，它搜索的实际上是预先整理好的网页索引数据库。

       真正意义上的搜索引擎，通常指的是收集了因特网上几千万到几十亿个网页并对网页中的每一个词（即关键词）进行索引，建立索引数据库的全文搜索引擎。当用户查找某个关键词的时候，所有在页面内容中包含了该关键词的网页都将作为搜索结果被搜出来。在经过复杂的算法进行排序后，这些结果将按照与搜索关键词的相关度高低，依次排列。

        现在的搜索引擎已普遍使用超链分析技术，除了分析索引网页本身的内容，还分析索引所有指向该网页的链接的URL、AnchorText、甚至链接周围的文字。所以，有时候，即使某个网页A中并没有某个词比如“恶魔撒旦”，但如果有别的网页B用链接“恶魔撒旦”指向这个网页A，那么用户搜索“恶魔撒旦”时也能找到网页A。而且，如果有越多网页（C、D、E、F……）用名为“恶魔撒旦”的链接指向这个网页A，或者给出这个链接的源网页（B、C、D、E、F……）越优秀，那么网页A在用户搜索“恶魔撒旦”时也会被认为更相关，排序也会越靠前。

        搜索引擎的原理，可以看做三步：从互联网上抓取网页→建立索引数据库→在索引数据库中搜索排序。

       从互联网上抓取网页

       利用能够从互联网上自动收集网页的Spider系统程序，自动访问互联网，并沿着任何网页中的所有URL爬到其它网页，重复这过程，并把爬过的所有网页收集回来。

       建立索引数据库

       由分析索引系统程序对收集回来的网页进行分析，提取相关网页信息（包括网页所在URL、编码类型、页面内容包含的关键词、关键词位置、生成时间、大小、与其它网页的链接关系等），根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面内容中及超链中每一个关键词的相关度（或重要性），然后用这些相关信息建立网页索引数据库。

       在索引数据库中搜索排序

       当用户输入关键词搜索后，由搜索系统程序从网页索引数据库中找到符合该关键词的所有相关网页。因为所有相关网页针对该关键词的相关度早已算好，所以只需按照现成的相关度数值排序，相关度越高，排名越靠前。

       最后，由页面生成系统将搜索结果的链接地址和页面内容摘要等内容组织起来返回给用户。

        搜索引擎的Spider一般要定期重新访问所有网页（各搜索引擎的周期不同，可能是几天、几周或几月，也可能对不同重要性的网页有不同的更新频率），更新网页索引数据库，以反映出网页内容的更新情况，增加新的网页信息，去除死链接，并根据网页内容和链接关系的变化重新排序。这样，网页的具体内容和变化情况就会反映到用户查询的结果中。

        互联网虽然只有一个，但各搜索引擎的能力和偏好不同，所以抓取的网页各不相同，排序算法也各不相同。大型搜索引擎的数据库储存了互联网上几亿至几十亿的网页索引，数据量达到几千G甚至几万G。但即使最大的搜索引擎建立超过二十亿网页的索引数据库，也只能占到互联网上普通网页的不到30%，不同搜索引擎之间的网页数据重叠率一般在70%以下。我们使用不同搜索引擎的重要原因，就是因为它们能分别搜索到不同的内容。而互联网上有更大量的内容，是搜索引擎无法抓取索引的，也是我们无法用搜索引擎搜索到的。

        你心里应该有这个概念：搜索引擎只能搜到它网页索引数据库里储存的内容。你也应该有这个概念：如果搜索引擎的网页索引数据库里应该有而你没有搜出来，那是你的能力问题，学习搜索技巧可以大幅度提高你的搜索能力。

       好了，今天关于“搜索引擎算法”的话题就讲到这里了。希望大家能够对“搜索引擎算法”有更深入的认识，并且从我的回答中得到一些帮助。