檢索服務(wù)

經(jīng)過搜索引擎的抓取和預(yù)處理，形成基礎(chǔ)的檢索數(shù)據(jù)庫，但是還要經(jīng)過一系列的檢索過程才能返回符合用戶需求的結(jié)果。這就是搜索引擎工作與用戶交互的重要流程，用戶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)行過濾和拆分，并查找各詞的網(wǎng)頁文件，找出其中的交集，確定最低排名權(quán)重值，對達(dá)到標(biāo)準(zhǔn)的網(wǎng)頁文件進(jìn)行排名計(jì)算，并加人影響排名的特殊條件，如懲罰和人工加權(quán)等，獲得最終的排名結(jié)果返回用戶。這就是完整的檢索過程，檢索完成后，搜索引擎還會(huì)繼續(xù)工作，那就是利用用戶搜索習(xí)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

對用戶輸人的搜索詞進(jìn)行拆分、去噪、調(diào)用方式選擇等操作，以確定檢索命令。當(dāng)搜索引擎接收到用戶提交的搜索詞后，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?yàn)檫@是和網(wǎng)頁拆分想對應(yīng)的，所以拆分方式相同。拆分成最優(yōu)詞組后，過濾掉搜索詞中對搜索結(jié)果意義不大的詞，如“啊”“哈”“了”等，以提高搜索結(jié)果的準(zhǔn)確率，降低檢索時(shí)間。一般情況下，這些經(jīng)過拆分去噪的詞組會(huì)使用邏輯“與”，即“+”類型，就是一個(gè)網(wǎng)頁中同時(shí)含有這些拆分的關(guān)鍵詞才是更符合條件的網(wǎng)頁，如“網(wǎng)站優(yōu)化”的搜索命令就是，調(diào)用含有“網(wǎng)站”和“優(yōu)化”兩個(gè)詞的網(wǎng)頁；另外，搜索引擎中還有其他邏輯類型，如邏輯“或”“非”等，“或”就是網(wǎng)頁含有其中一個(gè)詞，“非”就是網(wǎng)頁中不含有某詞。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(shù)據(jù)庫中符合條件的網(wǎng)頁文件。

例如，用戶搜索“電腦無法啟動(dòng)了”，搜索引擎就將其拆分為“電腦”“無法”“啟動(dòng)”“了”，其中“了”并沒有實(shí)際意義，或者說對搜索結(jié)果的影響不大，而且含有“了”的網(wǎng)頁文件太多，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(jié)果，那是因?yàn)樗阉饕�擎把“了”和其他詞作為一個(gè)詞，而且數(shù)據(jù)庫中也有此索引。經(jīng)過過濾形成“電腦”+“無法”+“啟動(dòng)”的搜索命令，以查詢同時(shí)含有這幾個(gè)詞的網(wǎng)頁文件。圖2.14所示為百度搜索“電腦無法啟動(dòng)了”的結(jié)果，從結(jié)果第3位看出，搜索詞“了”并不單獨(dú)作為搜索命令中的一部分，所以過濾單獨(dú)篩選命令，另外結(jié)果中同時(shí)含有“電腦”“無法”“啟動(dòng)”三個(gè)詞。

2.匹配文件范圍

經(jīng)過處理的搜索命令會(huì)在搜索引擎數(shù)據(jù)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(jié)果顯示規(guī)則確定最低權(quán)重值，達(dá)到最低權(quán)重值符合搜索命令的網(wǎng)頁文件就是全部的顯示結(jié)果，但是還未排名。

搜索引擎根據(jù)搜索命令單個(gè)查詢拆分詞的網(wǎng)頁文件，由于是邏輯“+”，因此只有共同含有各個(gè)拆分詞的網(wǎng)頁文件會(huì)被提取出來，經(jīng)過第一層篩選出的網(wǎng)頁文件還不能直接參與排名。因?yàn)橐话阌脩羲阉鞯慕Y(jié)果至少有幾十萬甚至幾千萬的結(jié)果，全部計(jì)算排名的話，計(jì)算量就非常大，而用戶并不需要查看全部的結(jié)果，通常只會(huì)瀏覽幾頁的結(jié)果，所以搜索引擎一般顯示100頁以內(nèi)的結(jié)果。圖2.15~圖2.17所示分別為百度、谷歌、搜狗的搜索結(jié)果頁數(shù)，并且都不超過100頁。

由于這個(gè)規(guī)則，搜索引擎只需要計(jì)算出100頁，即最多1000個(gè)結(jié)果排名就可以了，這樣大大降低了搜索引擎的工作負(fù)擔(dān)，提高了搜索引擎的反應(yīng)速度。這時(shí)候搜索引擎就需要利用網(wǎng)頁的權(quán)重值判斷網(wǎng)頁的重要性，也就是將網(wǎng)頁權(quán)重值排名前1000位或更多一點(diǎn)的網(wǎng)頁作為最后參與計(jì)算排名的基礎(chǔ)范圍。

3.排名結(jié)果

搜索引擎對確定參與排名的網(wǎng)頁文件進(jìn)行相關(guān)性計(jì)算，以獲得最終返回給用戶的搜索結(jié)果。

搜索結(jié)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?yàn)橹苯佑绊懢W(wǎng)頁的排名次序。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程。

在搜索結(jié)果中，影響網(wǎng)頁排名的有兩個(gè)主要因素，內(nèi)在網(wǎng)頁自身質(zhì)量因素和外在網(wǎng)頁記錄因素。通常內(nèi)在網(wǎng)頁質(zhì)量的判斷多是分析網(wǎng)頁與搜索詞的相關(guān)性，如關(guān)鍵詞的完全匹配度、關(guān)鍵詞出現(xiàn)的位置、關(guān)鍵詞的頻率密度、關(guān)鍵詞的形式、網(wǎng)頁權(quán)重值等。而外在網(wǎng)頁記錄因素多是對網(wǎng)頁外鏈和網(wǎng)頁瀏覽記錄的分析，如外鏈數(shù)量、外鏈廣泛度、關(guān)鍵詞外鏈、網(wǎng)頁在搜索引擎的單擊記錄等。

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

4.檢索優(yōu)化

通過收集用戶搜索的數(shù)據(jù)，優(yōu)化檢索服務(wù)，使搜索準(zhǔn)確化、個(gè)性化、效率化。

在返回搜索結(jié)果后，搜索引擎與用戶會(huì)繼續(xù)進(jìn)行交互，搜索引擎會(huì)提取用戶的IP、搜

索時(shí)間、搜索詞、瀏覽的網(wǎng)頁等。通過IP搜索引擎能獲取用戶的地區(qū)、根據(jù)各地區(qū)用戶搜索的內(nèi)容差別，返回用戶特定地域的排名結(jié)果，以及用戶的搜索習(xí)慣，返回用戶經(jīng)常單擊的網(wǎng)頁等；另外根據(jù)用戶的單擊記錄，對網(wǎng)頁的排名優(yōu)化也有一定幫助，用戶單擊更多的搜索結(jié)果能得到更好的排名；一般情況下，搜索引擎還會(huì)將用戶經(jīng)常搜索的關(guān)鍵詞結(jié)果進(jìn)行緩存，以便其他用戶在搜索時(shí)提高結(jié)果返回的速度。

搜索引擎主要通過以上4個(gè)方面對搜索的結(jié)果進(jìn)行優(yōu)化，以達(dá)到更快更準(zhǔn)確地返回結(jié)果給用戶，提升用戶體驗(yàn)。

2.3搜索引擎的分類

隨著互聯(lián)網(wǎng)和搜索引擎技術(shù)的發(fā)展，搜索引擎的種類也越來越豐富。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(nèi)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(jié)就將對一些不同的搜索引擎進(jìn)行大致的介紹。