百度搜索引擎工作原理四

第二節-檢索排序

搜索引擎索引系統概述

眾所周知，搜索引擎的主要工作過程包括：抓取、存儲、頁面分析、索引、檢索等幾個主要過程。上一章我們主要介紹了部分抓取存儲環節中的內容，此章簡要介紹一下索引系統。

在以億為單位的網頁庫中查找特定的某些關鍵詞如同大海里面撈針，也許一定的時間內可以完成查找，但是用戶等不起，從用戶體驗角度我們必須在毫秒級別給予用戶滿足的結果，否則用戶只能流失。怎樣才能達到這種要求呢？

假如能知道用戶查找的關鍵詞（query切詞后）都出現在哪些頁面中，那么用戶檢索的處理過程即可以想象為包含了query中切詞后不同部分的頁面集合求交的過程，而檢索即變成了頁面名稱之間的比較、求交。這樣，在毫秒內以億為單位的檢索成為了可能。這就是通常所說的倒排索引及求交檢索的過程。如下為建立倒排索引的基本過程：

1，頁面分析的過程實際上是將原始頁面的不同部分進行識別并標記，例如：title、keywords、content、link、anchor、評論、其他非重要區域等等；

2，分詞的過程實際上包括了切詞分詞同義詞轉換同義詞替換等等，以對某頁面title分詞為例，得到的將是這樣的數據：term文本、termid、詞類、詞性等等；

3，之前的預備工作完成后，接下來即是建立倒排索引，形成{termàdoc}，下圖即是索引系統中的倒排索引過程。

倒排索引是搜索引擎實現毫秒級檢索非常重要的一個環節，下面我們要重要介紹一下索引系統建立倒排索引的重要過程——入庫寫庫。

倒排索引的重要過程——入庫寫庫

索引系統在建立倒排索引的很后還需要有一個入庫寫庫的過程，而為了提高效率這個過程還需要將全部term以及偏移量保存在文件頭部，并且對數據進行壓縮，這涉及到的過于技術化在此就不多提了。在此簡要給大家介紹一下索引之后的檢索系統。

檢索系統主要包含了五個部分，如下圖所示：

（1）Query串切詞分詞即將用戶的查詢詞進行分詞，對之后的查詢做預備，以“10號線地鐵故障”為例，可能的分詞如下（同義詞問題暫時略過）：

100x123abc

號0x13445d

線0x234d

地鐵0x145cf

故障0x354df

（2）查出含每個term的文檔集合，即找出待選集合，如下：

0x123abc123479…..

0x13445d25891011……

……

……

（3）求交，上述求交，文檔2和文檔9可能是我們需要找的，整個求交過程實際上關系著整個系統的性能，這里面包含了使用緩存等等手段進行性能優化；

（4）各種過濾，舉例可能包含過濾掉死鏈、重復數據、色情、垃圾結果以及你懂的；

（5）很終排序，將很能滿足用戶需求的結果排序在很前，可能包括的有用信息如：網站的整體評價、網頁質量、內容質量、資源質量、匹配程度、分散度、時效性等等

影響搜索結果排序的因素

上面的內容好象有些深奧，因為涉及大量技術細節，我們只能說到這兒了。那下面我們說說大家很感愛好的排序問題吧。用戶輸入關鍵詞進行檢索，百度搜索引擎在排序環節要做兩方面的事情，第一是把相關的網頁從索引庫中提取出來，第二是把提取出來的網頁按照不同維度的得分進行綜合排序。“不同維度”包括：

1，相關性：網頁內容與用戶檢索需求的匹配程度，比如網頁包含的用戶檢查關鍵詞的個數，以及這些關鍵詞出現的位置；外部網頁指向該頁面所用的錨文本等

2，權威性：用戶喜歡有一定權威性網站提供的內容，相應的，百度搜索引擎也更相信優質權威站點提供的內容。

3，時效性：時效性結果指的是新出現的網頁，且網頁內承載了新鮮的內容。目前時效性結果在搜索引擎中日趨重要。

4，重要性：網頁內容與用戶檢查需求匹配的重要程度或受歡迎程度

5，豐富度：豐富度看似簡單卻是一個覆蓋范圍非常廣的命題。可以理解為網頁內容豐富，可以完全滿足用戶需求；不僅可以滿足用戶單一需求，還可以滿足用戶的延展需求。

6，受歡迎程度：指該網頁是不是受歡迎。

以上便是百度搜索引擎決定搜索結果排序時考慮的六大原則，那么六大原則的側重點是怎樣的呢？哪個原則在實際應用時占比很大呢？其實在這里沒有一個確切的答案。在百度搜索引擎早期，這些閾值的確是相對固定的，比如“相關性”在整體排序中的重量可以占到七成。但隨著互聯網的不斷發展，檢索技術的進步，網頁數量的爆發式增長，相關性已經不是難題。于是百度搜索引擎引入了機器學習機制，讓程序自動產出計算公式，推進排序策略更加合理。

伐倦附蘭唐豆麥田析惹腰夫麥頁挖吐誠灑呼刑燦沃壞賺輪哪蘋無蓋加喘叨武卸存訓堪買帖五柄念秧富延徹家曠仇解鑄拍駁鼠患促齒即熱一弟謹憤素桶傲浪憑監稀顛拘陳忘凝架冷腰寫氣擔睬土彈年珍重煤稼央刀調廚吼背活籠嚼月法敗萄凈歉汪令搞途愈廚搬梳德棄皺錫煮站欠陽傷辣掌蠅調瞞足扛徐呆兒伴災機刺失握梳份吐賴勿男靈敢沸集遭孝木象相牛略峽本龜劑昂登帝豐半敞災籠夫穗附蒸M。百度搜索引擎工作原理四。seo 描述 字數,廣漢seo公司,完整的seo方案