初創(chuàng)企業(yè)需要建站的朋友看這篇文章，謝謝支持：我給不會(huì)敲代碼又想搭建網(wǎng)站的人建議

（接上一篇。。。）

排名

---

經(jīng)過(guò)搜索引擎蜘蛛抓取頁(yè)面，索引程序計(jì)算得到倒排索引后，搜索引擎就準(zhǔn)備好可以隨時(shí)處理用戶搜索了。用戶在搜索框填入關(guān)鍵詞后，排名程序調(diào)用索引庫(kù)數(shù)據(jù)，計(jì)算排名顯示給用戶，排名過(guò)程是與用戶直接互動(dòng)的。

---

1、搜索詞處理

搜索引擎接收到用戶輸入的搜索詞后，需要對(duì)搜索詞做一些處理，才能進(jìn)入排名過(guò)程。
搜索詞處理包括如下幾方面。
(1) 中文分詞。與頁(yè)面索引時(shí)一樣，搜索詞也必須進(jìn)行中文分詞，將查詢(xún)字符串轉(zhuǎn)換為以詞為基礎(chǔ)的關(guān)鍵詞組合。分詞原理與頁(yè)面分詞相同。
(2)去停止詞。和索引時(shí)一樣，搜索引擎也需要把搜索詞中的停止詞去掉，最大限度地提高排名相關(guān)性及效率。
(3)指令處理。查詢(xún)?cè)~完成分詞后，搜索引擎的默認(rèn)處理方式是在關(guān)鍵詞之間使用“與”邏輯。也就是說(shuō)用戶搜索“減肥方法”時(shí)，程序分詞為“減肥”和“方法”兩個(gè)詞，搜索引擎排序時(shí)默認(rèn)認(rèn)為，用戶尋找的是既包含“減肥”，也包含“方法”的頁(yè)面。只包含“減肥”不包含“方法”，或者只包含“方法”不包含“減肥”的頁(yè)面，被認(rèn)為是不符合搜索條件的。
當(dāng)然，這只是極為簡(jiǎn)化的為了說(shuō)明原理的說(shuō)法，實(shí)際上我們還是會(huì)看到只
包含一部分關(guān)鍵詞的搜索結(jié)果。
另外用戶輸入的查詢(xún)?cè)~還可能包含一些高級(jí)搜索指令，如加號(hào)、減號(hào)等，搜索引擎都需要做出識(shí)別和相應(yīng)處理。有關(guān)高級(jí)搜索指令，后面還有詳細(xì)說(shuō)明。
(4)拼寫(xiě)錯(cuò)誤矯正。用戶如果輸入了明顯錯(cuò)誤的字或英文單詞拼錯(cuò)，搜索引擎會(huì)提示用戶正確的用字或拼法，如下圖所示。

(5)整合搜索觸發(fā)。某些搜索詞會(huì)觸發(fā)整合搜索，比如明星姓名就經(jīng)常觸發(fā)圖片和視頻內(nèi)容，當(dāng)前的熱門(mén)話題又容易觸發(fā)資訊內(nèi)容。哪些詞觸發(fā)哪些整合搜索，也需要在搜索詞處理階段計(jì)算。

---

2、文件匹配
搜索詞經(jīng)過(guò)處理后，搜索引擎得到的是以詞為基礎(chǔ)的關(guān)鍵詞集合。文件匹配階段就是找出含有所有關(guān)鍵詞的文件。在索引部分提到的倒排索引使得文件匹配能夠快速完成，如下表所示。

假設(shè)用戶搜索“關(guān)鍵詞2關(guān)鍵詞7”，排名程序只要在倒排索引中找到“關(guān)鍵詞2”和“關(guān)鍵詞7”這兩個(gè)詞，就能找到分別含有這兩個(gè)詞的所有頁(yè)面。經(jīng)過(guò)簡(jiǎn)單計(jì)算就能找出既包含“關(guān)鍵詞2”，也包含“關(guān)鍵詞7”的所有頁(yè)面:文件1和文件6。

---

3、初始子集的選擇
找到包含所有關(guān)鍵詞的匹配文件后，還不能進(jìn)行相關(guān)性計(jì)算，因?yàn)檎业降奈募?jīng)常會(huì)有幾十萬(wàn)幾百萬(wàn)，甚至上千萬(wàn)個(gè)。要對(duì)這么多文件實(shí)時(shí)進(jìn)行相關(guān)性計(jì)算，需要的時(shí)間還是比較長(zhǎng)的。
實(shí)際上用戶并不需要知道所有匹配的幾十萬(wàn)、幾百萬(wàn)個(gè)頁(yè)面，絕大部分用戶只會(huì)查看前兩頁(yè)，也就是前20個(gè)結(jié)果。搜索引擎也并不需要計(jì)算這么多頁(yè)面的相關(guān)性，而只要計(jì)算最重要的一部分頁(yè)面就可以了。常用搜索引擎的人都會(huì)注意到，搜索結(jié)果頁(yè)面通常最多顯示100個(gè)。用戶點(diǎn)擊搜索結(jié)果頁(yè)面底部的“下一頁(yè)”鏈接，最多也只能看到第100頁(yè)，也就是1000個(gè)搜索結(jié)果，百度則通常返回76頁(yè)結(jié)果。

所以搜索引擎只需要計(jì)算前1000個(gè)結(jié)果的相關(guān)性，就能滿足要求。
但問(wèn)題在于，還沒(méi)有計(jì)算相關(guān)性時(shí)，搜索引擎又怎么知道哪一千個(gè)文件是最相關(guān)的?所以用于最后相關(guān)性計(jì)算的初始頁(yè)面子集的選擇，必須依靠其他特征而不是相關(guān)性，其中最主要的就是頁(yè)面權(quán)重。由于所有匹配文件都已經(jīng)具備了最基本的相關(guān)性(這些文件都包含所有查詢(xún)關(guān)鍵詞)，搜索引擎通常會(huì)用非相關(guān)性的頁(yè)面特征選出一個(gè)初始子集。初始子集的數(shù)目是多少?幾萬(wàn)個(gè)?或許更多，外人并不知道。不過(guò)可以肯定的是，當(dāng)匹配頁(yè)面數(shù)目巨大時(shí)，搜索引擎不會(huì)對(duì)這么多頁(yè)面進(jìn)行計(jì)算，而必須選出頁(yè)面權(quán)重較高的一個(gè)子集，再對(duì)子集中的頁(yè)面進(jìn)行相關(guān)性計(jì)算。

---

4、相關(guān)性計(jì)算
選出初始子集后，對(duì)子集中的頁(yè)面計(jì)算關(guān)鍵詞相關(guān)性。計(jì)算相關(guān)性是排名過(guò)程中最重要的一步。相關(guān)性計(jì)算是搜索引擎算法中最令SEO 感興趣的部分。
影響相關(guān)性的主要因素包括如下幾方面。

(1)關(guān)鍵詞常用程度。經(jīng)過(guò)分詞后的多個(gè)關(guān)鍵詞，對(duì)整個(gè)搜索字符串的意義貢獻(xiàn)并不相同。越常用的詞對(duì)搜索詞的意義貢獻(xiàn)越小，越不常用的詞對(duì)搜索詞的意義貢獻(xiàn)越大。舉個(gè)例子，假設(shè)用戶輸入的搜索詞是“我們冥王星”?！拔覀儭边@個(gè)詞常用程度非常高，在很多頁(yè)面上會(huì)出現(xiàn)，它對(duì)“我們冥王星”這個(gè)搜索詞的辨識(shí)程度和意義相關(guān)度貢獻(xiàn)就很小。
找出那些包含“我們”這個(gè)詞的頁(yè)面，對(duì)搜索排名相關(guān)性幾乎沒(méi)有什么影響，有太多頁(yè)面包含“我們”這個(gè)詞。
而“冥王星”這個(gè)詞常用程度就比較低，對(duì)“我們冥王星”這個(gè)搜索詞的意義貢獻(xiàn)要大得多。那些包含“冥王星”這個(gè)詞的頁(yè)面，對(duì)“我們冥王星”這個(gè)搜索詞會(huì)更為相關(guān)。
常用詞的極致就是停止詞，對(duì)頁(yè)面意義完全沒(méi)有影響。
所以搜索引擎對(duì)搜索詞串中的關(guān)鍵詞并不是一視同仁地處理，而是根據(jù)常用程度進(jìn)行加權(quán)。不常用的詞加權(quán)系數(shù)高，常用詞加權(quán)系數(shù)低，排名算法對(duì)不常用的詞給予更多關(guān)注。
我們假設(shè)A、B兩個(gè)頁(yè)面都各出現(xiàn)“我們”及“冥王星”兩兩個(gè)詞。但是“我們”這個(gè)詞在A頁(yè)面出現(xiàn)于普通文字中，“冥王星”這個(gè)詞在A頁(yè)面出現(xiàn)于標(biāo)題標(biāo)簽中。B頁(yè)面正相反，“我們”出現(xiàn)在標(biāo)題標(biāo)簽中，而“冥王星”出現(xiàn)在普通文字中。那么針對(duì)“我們冥王星”這個(gè)搜索詞，A頁(yè)面將更相關(guān)。

(2)詞頻及密度。一般認(rèn)為在沒(méi)有關(guān)鍵詞堆積的情況下，搜索詞在頁(yè)面中出現(xiàn)的次數(shù)多，密度越高，說(shuō)明頁(yè)面與搜索詞越相關(guān)。當(dāng)然這只是一個(gè)大致規(guī)律，實(shí)際情況未必如此，所以相關(guān)性計(jì)算還有其他因素。出現(xiàn)頻率及密度只是因素的一部分，而且重要程度越來(lái)越低。

(3)關(guān)鍵詞位置及形式。就像在索引部分中提到的，頁(yè)面關(guān)鍵詞出現(xiàn)的格式和位置都被記錄在索引庫(kù)中。關(guān)鍵詞出現(xiàn)在比較重要的位置，如標(biāo)題標(biāo)簽、黑體、H1等，說(shuō)明頁(yè)面與關(guān)鍵詞越相關(guān)。這一部分就是頁(yè)面 SEO所要解決的。

(4)關(guān)鍵詞距離。切分后的關(guān)鍵詞完整匹配地出現(xiàn)，說(shuō)明與搜索詞最相關(guān)。比如搜索“減肥方法”時(shí)，頁(yè)面上連續(xù)完整出現(xiàn)“減肥方法”四個(gè)字是最相關(guān)的。如果“減肥”和“方法”兩個(gè)詞沒(méi)有連續(xù)匹配出現(xiàn)，出現(xiàn)的距離近一些，也被搜索引擎認(rèn)為相關(guān)性稍微大一些。

*(5)鏈接分析及頁(yè)面權(quán)重。*除了頁(yè)面本身的因素，頁(yè)面之間的鏈接和權(quán)重關(guān)系也影響關(guān)鍵詞的相關(guān)性，其中最重要的是錨文字。頁(yè)面有越多以搜索詞為錨文字的導(dǎo)入鏈接，說(shuō)明頁(yè)面的相關(guān)性越強(qiáng)。
鏈接分析還包括了鏈接源頁(yè)面本身的主題、錨文字周?chē)奈淖值取?/p>

---

5、排名過(guò)濾及調(diào)整
選出匹配文件子集、計(jì)算相關(guān)性后，大體排名就已經(jīng)確定了。之后搜索引擎可能還有一些過(guò)濾算法，對(duì)排名進(jìn)行輕微調(diào)整，其中最主要的過(guò)濾就是施加懲罰。一些有作弊嫌疑的頁(yè)面，雖然按照正常的權(quán)重和相關(guān)性計(jì)算排到前面，但搜索引擎的懲罰算法卻可能在最后一步把這些頁(yè)面調(diào)到后面去。典型的例子是百度的11位，Google 的負(fù)6、負(fù)30、負(fù)950等算法。

---

6、排名顯示
所有排名確定后，排名程序調(diào)用原始頁(yè)面的標(biāo)題標(biāo)簽、說(shuō)明標(biāo)簽、快照日期等數(shù)據(jù)顯示在頁(yè)面上。有時(shí)搜索引擎需要?jiǎng)討B(tài)生成頁(yè)面摘要，而不是調(diào)用頁(yè)面本身的說(shuō)明標(biāo)簽。

---

7、搜索緩存
用戶搜索的關(guān)鍵詞有很大一部分是重復(fù)的。按照2/8定律，20%的搜索詞占到了總搜索次數(shù)的80%。按照長(zhǎng)尾理論，最常見(jiàn)的搜索詞沒(méi)有占到80%那么多，但通常也有一個(gè)比較粗大的頭部，很少一部分搜索詞占到了所有搜索次數(shù)的很大一部分。尤其是有熱門(mén)新聞
發(fā)生時(shí)，每天可能有幾百萬(wàn)人搜索完全相同的關(guān)鍵詞。
如果每次搜索都重新處理排名可以說(shuō)是很大的浪費(fèi)。搜索引擎會(huì)把最常見(jiàn)的搜索詞存入緩存，用戶搜索時(shí)直接從緩存中調(diào)用，而不必經(jīng)過(guò)文件匹配和相關(guān)性計(jì)算，大大提高了排名效率，縮短了搜索反應(yīng)時(shí)間。

---

8、查詢(xún)及點(diǎn)擊日志
搜索用戶的IP地址、搜索的關(guān)鍵詞、搜索時(shí)間，以及點(diǎn)擊了哪些結(jié)果頁(yè)面，搜索引擎都記錄形成日志。這些日志文件中的數(shù)據(jù)對(duì)搜索引擎判斷搜索結(jié)果質(zhì)量、調(diào)整搜索算法、預(yù)期搜索趨勢(shì)等都有重要意義。

上面我們簡(jiǎn)單介紹了搜索引擎的工作過(guò)程。當(dāng)然實(shí)際搜索引擎的工作步驟與算法是非常復(fù)雜的。上面的說(shuō)明很簡(jiǎn)單，但其中有很多技術(shù)難點(diǎn)。
搜索引擎還在不斷優(yōu)化算法，優(yōu)化數(shù)據(jù)庫(kù)格式。不同搜索引擎的工作步驟也會(huì)有差異。但大致上所有主流搜索引擎的基本工作原理都是如此，在過(guò)去幾年及可以預(yù)期的未來(lái)幾年，都不會(huì)有實(shí)質(zhì)性的改變。

（完）