文档介绍：搜索引擎相关度算法分析相关性,是搜索引擎优化中的重点。但是对于相关性的搜索引擎工作原理,相信大部分的SEOER对于都缺乏了解。作为职业SEO对于搜索引擎算法的研究是必须的,虽然说,我们不可能知道搜索引擎算法的全部。 但是只需要我们主流搜索引擎技术的方向,你就可以知道搜索引擎时代的脉搏。相关度排序技术的产生主要是由搜索引擎的特点决定的。首先,现代搜索引擎能够访问的 Web网页数量已经达到上十亿的规模,哪怕用Hu只是搜索其中很少的一部分内容, 基于全文搜索技术的搜索引擎也能返回成千上万的页面。即便这些结果网页都是用Hu所需要的,用Hu也没有可能对所有的网页浏览一遍,所以能够将用Hu最感兴趣的结果网页放于前面,势必可以增强搜索引擎用 Hu的满意度。其次,搜索引擎用Hu自身的检索专业能力通常很有限,在最为普遍的关键词检索行为中,用Hu—般只是键人几个词语。例如, Spink等曾对Excite等搜索引擎的近300位用Hu做过实验调查,。国内部分学者也有相似的结论,发现90%左右的用Hu输入的中文检索单字为2〜6个,而且2字词居多,约占58%,其次为4字词(约占18%)和3字词(约占14%)。过少的检索词事实上无法真正表达用Hu的检索需求,而且用Hu通常也不去进行复杂的逻辑构造,只有相当少的用 Hu进行布尔逻辑检索、限制性检索和高级检索等方法,仅有 %的检索式中包含有布尔逻辑算符。国内的部分学者的研究结果也表明,约 40%的用Hu不能正确运用字段检索或二次检索,80%左右的用Hu不能正确运用高级检索功能,甚至还发现用 Hu缺乏动力去学****复杂的检索技能,多数用Hu都寄希望于搜索引擎能够自动地为他们构造有效的检索式。由于缺乏过去联机检索中常常具备的检索人员,因此,用Hu实际的检索行为与用Hu理想的检索行为存在事实上的差距,检索结果的不满意也是不奇怪的。正是由于这个特点,搜索引擎就必须设法将用Hu最想要的网页结果尽可能地放到网页结果的前面,这就是网页相关度排序算法在搜索引擎中为什么非常重要的原因。现阶段的相关度排序技术主要有以下几种:一是基于传统信息检索技术的方式,它主要利用关键词本身在文档中的重要程度来对文档与用Hu查询要求的相关度做出测量,如利用网页中关键词出现的频率和位置。一般而言,检索出的网页文档中含有的查询关键词个数越多,相关性越大,并且此关键词的区分度越高;同时,查询关键词如果出现在诸如标题字段等重要位置上,则比出现在正文的相关度要大。二是超连分析技术,使用此技术的代表性搜索引擎有Google和Bai。和前者相比,它以网页被认可的重要程度作为检索结果的相关度排序依据。从设计思想上看,它更注重第三方对该网页的认可,如具有较大连入网页数的网页才是得到广泛认可的重要网页,而根据关键词位置和频率的传统方法只是一种网页自我认可的形式,缺乏客观性。最后还有一些其他方式,如由用Hu自由定义排序规则的自定义方式。北京大学的天网FTP搜索引擎就采用这种排序方式,它可以让用Hu选择诸如时间、大小、稳定性和距离等具体排序指标来对结果网页进行相关度排序。再如收费排名模式,它作为搜索引擎的一种主要赢利手段,在具有网络门Hu特点的大型搜索引擎中广为使用,但于担心影响搜索结果的客观性,这种方式不是它们的主流排序方式,而仅仅作为一个补充显示在付费搜索栏目中。相关度排序技术主要依赖于超连分析技术实现。超连分析技术可以提供多种功能,其中的主要功能就是解决结果网页的相关度排序问题。它主要是利用网页间存在的各种超连指向,对网页之间的引用关系进行分析,依据网页连人数的多少计算该网页的重要度权值。一般认为,如果A网页有超连指向B网页,相当于A网页投了B网页一票,Web即A认可了B网页的重要性。深入理解超连分析算法,可以根据连接结构把整个网页文档集看成一个有向的拓扑图,其中每个网页都构成图中的一个结点, 网页之间的连接就构成了结点间的有向边,按照这个思想,可以根据每个结点的出度和入度来评价网页的重要性。对于超连分析技术,有代表性的算法主要是 Page等设计的PageRank算法和Kleinberg创造的HITS算法。其中,PageRank算法在实际使用中的效果要好于 HITS算法,这主要是由于以下原因:首先,PageRank算法可以一次性、脱机且独立于查询的对网页进行预计算以得到网页重要度的估计值,然后在具体的用Hu查询中,结合其他查询指标值,一起对查询结果进行相关性排序,从而节省了系统查询时的运算开销;其次,PageRank算法是利用整个网页集合进行计算的, 不像HITS算法易受到局部连接陷阱的影响而产生“主题漂移”现象,所以现在这种技术广泛地应用在许多搜索引擎系统中,Google搜索引擎的广获成功也表明了以超连分析为特征的网页相关度排