超鏈分析

搜索引擎通過對網(wǎng)頁鏈接的分析，得出網(wǎng)頁相關(guān)度的計算。就像賣東西一樣，所有賣東西的都會夸自己的東西好，網(wǎng)頁也是一樣，如果只通過網(wǎng)頁自身表現(xiàn)的情況來判斷網(wǎng)頁排名，肯定不能十分準(zhǔn)確。

因此搜索引擎希望通過網(wǎng)頁以外的標(biāo)準(zhǔn)來衡量網(wǎng)頁，而網(wǎng)頁以外的標(biāo)準(zhǔn)中，最利于搜索引擎掌握的就是超鏈接，每個網(wǎng)頁的外部超鏈接數(shù)量質(zhì)量以及網(wǎng)頁導(dǎo)出鏈接情況都反應(yīng)網(wǎng)頁的質(zhì)量和關(guān)鍵詞的相關(guān)度。

這樣的鏈接分析技術(shù)在所有的搜索引擎中都存在，其中最為知名的超鏈分析就是谷歌的PR技術(shù)，國內(nèi)的百度李彥宏提出的超鏈分析技術(shù)，其他搜索引擎也都有自己的超鏈分析技術(shù)，只是在具體側(cè)重方向有些許差別。

具體的超鏈分析技術(shù)是十分復(fù)雜的，但是最主要的原則有導(dǎo)入鏈接數(shù)量、導(dǎo)入鏈接網(wǎng)頁質(zhì)量、導(dǎo)入鏈接錨文本等。例如，網(wǎng)頁A有導(dǎo)人鏈接40個，其中以“SEO”為錨文本的鏈接30個；而網(wǎng)頁B有導(dǎo)入鏈接30個，以“SEO”為錨文本的鏈接20個，一般情況下，網(wǎng)頁A在關(guān)鍵詞“SEO”的排名結(jié)果中更理想。

由于超鏈分析的計算量非常龐大、計算時間很長，因此在建立倒排索引時，超鏈分析已經(jīng)完成，并對索引結(jié)果的排名產(chǎn)生影響，這樣也可以提高搜索引擎返回結(jié)果的速度。

數(shù)據(jù)整合搜索引擎經(jīng)過處理網(wǎng)頁文件將各種格式的文件數(shù)據(jù)進(jìn)行整理，然后進(jìn)行分類存儲。由于網(wǎng)絡(luò)文件的類型有很多種、如html、PPT、Word、Txt、Jpg、Bmp、Swf、Mp3等格式，其中文字格式的網(wǎng)頁文件能很好地被搜索引整識別處理。但其他富媒體格式的文件，如視頻、音樂、圖片等往往只能通過其說明性文字進(jìn)行處理，然后整合各種類型的數(shù)據(jù)，存于搜索引擎的數(shù)據(jù)庫中。

不同的數(shù)據(jù)格式被分別存儲，但是在建立索引以及排序時，往往又會聯(lián)系到與數(shù)據(jù)相關(guān)的內(nèi)容，以判斷其相關(guān)性與重要性，然后形成最終的一個有利于搜索排名的數(shù)據(jù)庫。