亚洲精品乱码久久久久蜜桃-97国产精品人妻无码久久久-加勒比中文字幕无码一区-中文字幕乱人伦高清视频-无码va在线观看

杭州網(wǎng)站建設(shè)==帷拓小編說說 網(wǎng)站建設(shè)好后，優(yōu)化倒排索引？  

1）：正向說明還不能用于排名。假設(shè)用戶搜索關(guān)鍵詞2，如果只存在正想索引，排名程序需要掃描所有索引庫中的文件，找出包含關(guān)鍵詞2的文件，在進(jìn)行相關(guān)性計算。這樣的計算量無法滿足實時返回排名的要求。所以搜索引擎會將正向索引庫重新構(gòu)造為倒排索引，把文件對應(yīng)到關(guān)鍵詞的映社轉(zhuǎn)換為關(guān)鍵詞到文件的映射，如下圖：

在倒排索引中關(guān)鍵詞是主鍵，每個關(guān)鍵詞都對應(yīng)著一系列的文件，這些文件中都出現(xiàn)了關(guān)鍵詞。這樣當(dāng)用戶索引中定位到這個關(guān)鍵詞，就可以馬上找出所有包含這個關(guān)鍵詞的文件。

2）：杭州網(wǎng)站建設(shè)==帷拓小編說說，鏈接關(guān)系計算：鏈接關(guān)系計算也是預(yù)處理中很重要的一部分。現(xiàn)在所有的主流搜索引擎排名因素中都包含網(wǎng)頁之間的鏈接流動信息。搜索引擎在抓取頁面內(nèi)容后，必須事前計算出：頁面上有那些鏈接指向指向那些其它頁面，每個頁面有那些導(dǎo)入鏈接，鏈接使用了什么描文字，這些復(fù)雜的鏈接指向關(guān)系形成了網(wǎng)站和頁面的鏈接權(quán)重。GOOGLE PR值就是這種鏈接關(guān)系的主要體現(xiàn)之一。其他搜索引擎也都進(jìn)行類似計算，雖然它們并不稱為 PR。由于頁面和鏈接數(shù)量巨大，網(wǎng)上的鏈接關(guān)系又時時處在更新中，因此鏈接關(guān)系及 PR 的計算要耗費(fèi)很長的時間。關(guān)于 PR  的連接和分析，后面還有專門的文章介紹。

3）：杭州網(wǎng)站建設(shè)==帷拓小編說說，特殊文件處理：除了H\TML文件外，搜索引擎通常還能抓取和索引以文字為基礎(chǔ)的多種文件類型，如PDF,Word,WPS,XLS,PPT,TXT文件等。我們在搜索結(jié)果中也經(jīng)常會看到這些文件類型。但目前的搜索引擎還不能處理圖片和視頻，對Flash這類非文字內(nèi)容，以及腳本和程序以及進(jìn)行有限的程序。雖然 搜索引擎 在識別圖片及從Flash中提取文字內(nèi)容方面有些進(jìn)步，不過距離直接靠讀取圖片,視頻,  Flash  內(nèi)容返回結(jié)果的目標(biāo)還很遠(yuǎn)。對圖片,視頻內(nèi)容的排名還往往是依據(jù)與相關(guān)的文字內(nèi)容，詳細(xì)情況可以參考后面的整合搜索部分。

4）： 杭州網(wǎng)站建設(shè)==帷拓小編說說，質(zhì)量判斷：

   在預(yù)處理階段，搜索引擎會對頁面內(nèi)容的質(zhì)量,鏈接質(zhì)量等作出判斷。近兩年的百度綠蘿，石留的算法，GOOGLE的熊貓，企鵝算發(fā)等都是預(yù)先計算，然后上線，而不是查詢時實事時計算的。這里所說的質(zhì)量判斷包含很多因數(shù)，并不局限于針對關(guān)鍵詞的提取和計算，或則針對鏈接進(jìn)行數(shù)值計算。這里所說的質(zhì)量判斷包含很多因素，并不局限于針對關(guān)鍵詞的提取和計算，或則針對鏈接進(jìn)行數(shù)值計算。比如對頁面內(nèi)容的判斷，很可能包括了用戶體驗,頁面排版,廣告布局,語法,頁面打開速度等，也可能會涉及模式識別,機(jī)器學(xué)習(xí),人工智能等方法。