近期百度LEE在百度站长平台又一次发表关于搜索引擎工作原理的文章，文章主要是围绕搜索引擎索引系统展开，为我们阐述了它的工作原理，以及为什么它要这样工作。这对我们了解百度、理解SEO有重大帮助。 从该篇文章中，我们能大致了解从spider蜘蛛开始抓取网页一直到建立倒叙索引，这整个过程的概况。如下图： 百度索引系统工作流程 从图中我们可以看出，页面分析和切词分词在这整个环节中占有非常重要的分量。 1、页面分析的过程实际上是将原始页面的不同部分进行识别并标记，例如：title、keywords、content、link、anchor、评论、其他非重要区域等等。 解析：这段的意思是，索引系统会将页面的模块以源码来区分，并且会标记它认为有用的部分。另外值得注意的是，anchor（锚文本）、评论也会被视为重点区域，这也是我们常说锚文本很重要、评论更新和相关性很重要的原因。 2、分词的过程实际上包括了切词分词同义词转换同义词替换等等，以对某页面title分词为例，得到的将是这样的数据：term文本、termid、词类、词性等等。 解析：首先解释两个概念，term文本，就是指所有分出来的词的集合；termid，就是指单个词的标识。索引过程中“切词分词”这一步骤中将得到所有的词以及其所包含的词类词性。这个过程中还包含了同义词的处理，使得同义词在搜索结果中被匹配出来。 3、之前的准备工作完成后，接下来即是建立倒排索引，形成{termàdoc}，可以粗略的理解为如下，为什么是【term->doc】,而不是直接应用【doc->term】呢？ 百度索引系统倒排原理 上述即是索引系统中的倒排索引过程，是搜索引擎实现毫秒级检索非常重要的一个环节。 解析：这段文字简单描写了索引系统中倒排索引的过程，实际索引比这复杂的多（主要就是计算相关性和权威性等）。这个过程主要是把上一步切出来并分好的词与文档进行匹配，以便用户在搜索关键词时，能以毫秒级的速度将预存的文档准确调用出来。 另外，以上内容中抛出了一个问题：为什么是【term->doc】,而不是直接应用【doc->term】。这里代明博客的理解是，一个文档有多个关键词，一个关键词也对应多个文档。由于文档是由多个关键词组成，用文档来匹配关键词，会让匹配的循环工作量大大增加，而且不容易判断出文档最适宜的关键词匹配。还有个原因是，用户一般搜索都是关键词，这样的匹配方式更容易满足用户的需求。 乐芬科技为您提供更多大连网站建设www.52lefen.com SEO知识