搜索引擎系統概述

本次培訓內容主要包括搜索引擎系統概述、搜索引擎系統、搜索引擎分析系統、搜索引擎索引系統和搜索引擎查詢系統六大板塊。搜索引擎的服務方式可以分為三種：目錄式搜索引擎、全文搜索引擎和元搜索引擎。

搜索引擎系統

目前萬維網的結構是一個蝴蝶結結構，位于蝴蝶結兩端的分別是目錄型網頁和權威型網頁，目錄型網頁是蜘蛛爬取的入口，即種子站點，它擁有大量的導出鏈接，而導入鏈接卻比較少。我們網站中的一些內容頁便是權威型頁面，它們擁有很多的導入鏈接，卻鮮有導出鏈接。剩下的蝴蝶結的主體便是互聯網多數的頁面。

蜘蛛的爬行抓取策略分為廣度抓取和深度抓取，廣度抓取是先抓取層級比較低比較重要的目錄頁等，然后再去抓取下一層級的。而深度抓取便是沿著一個分類進行深層次的抓取，直到這個分類全部抓取結束，然后繼續抓取下一分類。

Robots協議是寫給蜘蛛看的標準，可以規定蜘蛛哪些頁面可以抓取哪些不可以抓取。

搜索引擎分析系統

互聯網上的頁面是由動態頁面和靜態頁面組成的，靜態頁面指的是html頁面，html預言是超文本標記語言，它是由形形的標簽組成的。

因為中文不像英文單詞一樣中間有空格，所以中文搜索引擎需要應用中文分詞技術P（S）=P（W1W2W3……Wn）=P（W1）*P（W2|W1）*P（Wt|W1W2……Wt-1），互聯網是喜歡原創的東西的，為了避免大量的抄襲文章的出現，搜索引擎會運用Shingle查重算法。鏈接是一個網站對另一個網站的信任投票，PR算法：PR(A) = (1-d)+ d(PR(t1)/C(t1)+ … + PR(tn)/C(tn))。

搜索引擎索引系統

索引分為正排索引和倒排索引，正排索引是把互聯網中的文章編號，然后運用分詞技術，統計出每篇文章中有哪些關鍵詞。倒排索引是在正排索引的基礎上，將關鍵詞編號，然后統計出這些關鍵詞對應了哪些文章。這樣當我們在搜索引擎上檢索關鍵詞的時候，搜索引擎便可以輕松的將包含這些關鍵詞的文章頁面返回給我們。

搜索引擎查詢系統

當我們在搜索引擎當中查詢一個詞的時候，搜索引擎會調用布爾模型算法返回包含我們查詢詞的頁面，這些頁面是經過權重計算（內容+鏈接+用戶點擊）排序過的，呈現出的結果包括url、標題、描述、快照日期和圖片。

中心思想

搜索的本質的將雜亂無章的信息通過合理的分類整合變得有序，并通過用戶的需求按照內容質量的程度呈現給用戶。搜索引擎會預先抓取互聯網上的網頁建立網頁庫，然后運用正排索引和倒排索引建立一個索引庫，用戶在搜索引擎查找信息時，再通過查詢系統呈現給用戶。
做seo的目的是將網站優化的更合理，排到更好的位置將更好的內容呈現給用戶。我們應該從原理層面去理解搜索引擎，掌握它的每一個環節，這樣才能夠將工作做得更好。

心得

做搜索引擎優化不僅要知其然還必須要知其所以然，只有真正明白了搜索引擎原理，我們才能更好的做好SEO。

百度更喜歡原創的內容，我們要明白何為原創，這要理解分詞技術和去重算法，不然即使是你自己寫的一篇文章，也可能會被搜索引擎誤判為抄襲。關鍵詞出現的頻率和位置，以及相關詞的密度，都是影響一篇文章質量的重要因素。

發外鏈有三重意義，一是為網站獲得更多的信任投票，而且只有與網站內容相關的網站的外鏈才能夠傳遞更高的權重。二是為蜘蛛提供更多的入口，有利于蜘蛛抓取網站更多更的內容。是為用戶提供一個入口，用戶可能會通過點擊鏈接而進入網站。

百度是一家商業機構，它擁有自己的盈利模式，而這一切的基礎便是搜索引擎良好的用戶體驗，百度是十分重視用戶體驗的，所以無論搜索引擎的算法如何變，都會是圍繞著用戶體驗為中心的。我們只有圍繞著用戶體驗進行優化，才能使我們的網站更加符合百度的標準，而不會因為過度優化被百度降權。比如網站的扁平化設計，更利于蜘蛛的抓取，更加利于百度的收錄，而從另一方面來說扁平化的設計也更利于簡化用戶的搜索流程，更利于用戶找到自己所需的內容。

推薦閱讀