檢索服務(wù)

經(jīng)過(guò)搜索引擎的抓取和預處理，形成基礎的檢索數據庫，但是還要經(jīng)過(guò)一系列的檢索過(guò)程才能返回符合用戶(hù)需求的結果。這就是搜索引擎工作與用戶(hù)交互的重要流程，用戶(hù)在搜索引擎的界面輸人需要查找的關(guān)鍵詞，搜索引擎會(huì )對關(guān)鍵詞進(jìn)行過(guò)濾和拆分，并查找各詞的網(wǎng)頁(yè)文件，找出其中的交集，確定最低排名權重值，對達到標準的網(wǎng)頁(yè)文件進(jìn)行排名計算，并加人影響排名的特殊條件，如懲罰和人工加權等，獲得最終的排名結果返回用戶(hù)。這就是完整的檢索過(guò)程，檢索完成后，搜索引擎還會(huì )繼續工作，那就是利用用戶(hù)搜索習慣優(yōu)化檢索服務(wù)。圖2.13所示為一般搜索引擎檢索服務(wù)的流程。

1.處理搜索詞

對用戶(hù)輸人的搜索詞進(jìn)行拆分、去噪、調用方式選擇等操作，以確定檢索命令。當搜索引擎接收到用戶(hù)提交的搜索詞后，搜索引擎首先會(huì )對搜索詞進(jìn)行拆分(主要是在漢字中)，因為這是和網(wǎng)頁(yè)拆分想對應的，所以拆分方式相同。拆分成最優(yōu)詞組后，過(guò)濾掉搜索詞中對搜索結果意義不大的詞，如“啊”“哈”“了”等，以提高搜索結果的準確率，降低檢索時(shí)間。一般情況下，這些經(jīng)過(guò)拆分去噪的詞組會(huì )使用邏輯“與”，即“+”類(lèi)型，就是一個(gè)網(wǎng)頁(yè)中同時(shí)含有這些拆分的關(guān)鍵詞才是更符合條件的網(wǎng)頁(yè)，如“網(wǎng)站優(yōu)化”的搜索命令就是，調用含有“網(wǎng)站”和“優(yōu)化”兩個(gè)詞的網(wǎng)頁(yè)；另外，搜索引擎中還有其他邏輯類(lèi)型，如邏輯“或”“非”等，“或”就是網(wǎng)頁(yè)含有其中一個(gè)詞，“非”就是網(wǎng)頁(yè)中不含有某詞。搜索引擎能判斷不同組合的搜索詞，確定搜索命令，用于提取出數據庫中符合條件的網(wǎng)頁(yè)文件。

例如，用戶(hù)搜索“電腦無(wú)法啟動(dòng)了”，搜索引擎就將其拆分為“電腦”“無(wú)法”“啟動(dòng)”“了”，其中“了”并沒(méi)有實(shí)際意義，或者說(shuō)對搜索結果的影響不大，而且含有“了”的網(wǎng)頁(yè)文件太多，再做篩選的意義不大，因此“了”就會(huì )在搜索命令中去掉，但是有時(shí)候我們也能看到有“了”的結果，那是因為搜索引擎把“了”和其他詞作為一個(gè)詞，而且數據庫中也有此索引。經(jīng)過(guò)過(guò)濾形成“電腦”+“無(wú)法”+“啟動(dòng)”的搜索命令，以查詢(xún)同時(shí)含有這幾個(gè)詞的網(wǎng)頁(yè)文件。圖2.14所示為百度搜索“電腦無(wú)法啟動(dòng)了”的結果，從結果第3位看出，搜索詞“了”并不單獨作為搜索命令中的一部分，所以過(guò)濾單獨篩選命令，另外結果中同時(shí)含有“電腦”“無(wú)法”“啟動(dòng)”三個(gè)詞。

2.匹配文件范圍

經(jīng)過(guò)處理的搜索命令會(huì )在搜索引擎數據庫中進(jìn)行檢索，并確定符合命令要求的文件，并按照搜索引擎結果顯示規則確定最低權重值，達到最低權重值符合搜索命令的網(wǎng)頁(yè)文件就是全部的顯示結果，但是還未排名。

搜索引擎根據搜索命令單個(gè)查詢(xún)拆分詞的網(wǎng)頁(yè)文件，由于是邏輯“+”，因此只有共同含有各個(gè)拆分詞的網(wǎng)頁(yè)文件會(huì )被提取出來(lái)，經(jīng)過(guò)第一層篩選出的網(wǎng)頁(yè)文件還不能直接參與排名。因為一般用戶(hù)搜索的結果至少有幾十萬(wàn)甚至幾千萬(wàn)的結果，全部計算排名的話(huà)，計算量就非常大，而用戶(hù)并不需要查看全部的結果，通常只會(huì )瀏覽幾頁(yè)的結果，所以搜索引擎一般顯示100頁(yè)以?xún)鹊慕Y果。圖2.15~圖2.17所示分別為百度、谷歌、搜狗的搜索結果頁(yè)數，并且都不超過(guò)100頁(yè)。

由于這個(gè)規則，搜索引擎只需要計算出100頁(yè)，即最多1000個(gè)結果排名就可以了，這樣大大降低了搜索引擎的工作負擔，提高了搜索引擎的反應速度。這時(shí)候搜索引擎就需要利用網(wǎng)頁(yè)的權重值判斷網(wǎng)頁(yè)的重要性，也就是將網(wǎng)頁(yè)權重值排名前1000位或更多一點(diǎn)的網(wǎng)頁(yè)作為最后參與計算排名的基礎范圍。

3.排名結果

搜索引擎對確定參與排名的網(wǎng)頁(yè)文件進(jìn)行相關(guān)性計算，以獲得最終返回給用戶(hù)的搜索結果。

搜索結果的排名是搜索引擎工作中最受SEO人員關(guān)注的搜索引擎工作原理，因為直接影響網(wǎng)頁(yè)的排名次序。影響排名的因素非常多，后面還會(huì )具體進(jìn)行講解，這里只概況搜索引擎大致排名過(guò)程。

在搜索結果中，影響網(wǎng)頁(yè)排名的有兩個(gè)主要因素，內在網(wǎng)頁(yè)自身質(zhì)量因素和外在網(wǎng)頁(yè)記錄因素。通常內在網(wǎng)頁(yè)質(zhì)量的判斷多是分析網(wǎng)頁(yè)與搜索詞的相關(guān)性，如關(guān)鍵詞的完全匹配度、關(guān)鍵詞出現的位置、關(guān)鍵詞的頻率密度、關(guān)鍵詞的形式、網(wǎng)頁(yè)權重值等。而外在網(wǎng)頁(yè)記錄因素多是對網(wǎng)頁(yè)外鏈和網(wǎng)頁(yè)瀏覽記錄的分析，如外鏈數量、外鏈廣泛度、關(guān)鍵詞外鏈、網(wǎng)頁(yè)在搜索引擎的單擊記錄等。

通過(guò)對網(wǎng)頁(yè)排名的計算，已經(jīng)大致確定了搜索結果的排名，這時(shí)候搜索引擎還會(huì )對網(wǎng)頁(yè)進(jìn)行懲罰和人工置前。懲罰是通過(guò)算法將有作弊嫌疑的網(wǎng)頁(yè)進(jìn)行固定位置的做法，百度的11位懲罰、谷歌負6位懲罰等；而人工置前是對有特殊需求的網(wǎng)頁(yè)進(jìn)行一定的人工排名提高，如官方網(wǎng)站、特殊通道等。經(jīng)過(guò)干預和過(guò)濾后，排名結果就會(huì )返回給搜索者。

4.檢索優(yōu)化

通過(guò)收集用戶(hù)搜索的數據，優(yōu)化檢索服務(wù)，使搜索準確化、個(gè)性化、效率化。

在返回搜索結果后，搜索引擎與用戶(hù)會(huì )繼續進(jìn)行交互，搜索引擎會(huì )提取用戶(hù)的IP、搜

索時(shí)間、搜索詞、瀏覽的網(wǎng)頁(yè)等。通過(guò)IP搜索引擎能獲取用戶(hù)的地區、根據各地區用戶(hù)搜索的內容差別，返回用戶(hù)特定地域的排名結果，以及用戶(hù)的搜索習慣，返回用戶(hù)經(jīng)常單擊的網(wǎng)頁(yè)等；另外根據用戶(hù)的單擊記錄，對網(wǎng)頁(yè)的排名優(yōu)化也有一定幫助，用戶(hù)單擊更多的搜索結果能得到更好的排名；一般情況下，搜索引擎還會(huì )將用戶(hù)經(jīng)常搜索的關(guān)鍵詞結果進(jìn)行緩存，以便其他用戶(hù)在搜索時(shí)提高結果返回的速度。

搜索引擎主要通過(guò)以上4個(gè)方面對搜索的結果進(jìn)行優(yōu)化，以達到更快更準確地返回結果給用戶(hù)，提升用戶(hù)體驗。

2.3搜索引擎的分類(lèi)

隨著(zhù)互聯(lián)網(wǎng)和搜索引擎技術(shù)的發(fā)展，搜索引擎的種類(lèi)也越來(lái)越豐富。按其工作方式劃分，主要可分為3種，分別是全文搜索引擎、目錄索引搜索引擎和元搜索引擎。按搜索引擎的搜索內容，可分為通用搜索引擎和垂直搜索引擎。搜索引擎還有很多劃分，本節就將對一些不同的搜索引擎進(jìn)行大致的介紹。