16.搜索引擎营销原理课案.pptVIP

搜索引擎原理 1．了解搜索引擎的工作原理的大致流程 2．了解搜索引擎如何抓取信息 3．了解搜索引擎对于数据信息的处理过程 4．了解搜索引擎的查询索引服务 学完本节后学员应该了解搜索引擎的工作原理，并且能够根据搜索引擎排名算法规则做好SEO工作。 一、学习目标 二、学习内容 搜索引擎的“网络机器人”或“网络蜘蛛”是一种网络上的软件，它遍历Web空间，能够扫描一定IP地址范围内的网站，并沿着网络上的链接从一个网页到另一个网页，从一个网站到另一个网站采集网页资料。 1．爬行和抓取 ①.搜集新出现的网页; ②.搜集那些在上次搜集后有改变的网页; ③.发现自从上次搜集后已经不再存在的网页，并从库中删除。 搜索引擎蜘蛛通过跟踪链接访问网页，获得页面HTML代码存入数据库 爬行和抓取 搜索快照更新 爬行和抓取 抓取问题汇集 搜索引擎蜘蛛抓取层级（URL，table） 为什么快照总是更新我们的首页？ 为什么栏目页更新总比文章页快？ 怎么才能让搜索引擎更新我的文章页快照？ 爬行和抓取 2．数据处理（预处理） ①.关键词提取（文字提取——中文分词） 不同标签里面的关键词权重不同 keywords和Description权重低，参照物性质 body里面的关键词 索引程序对抓取来的页面数据进行文字提取、中文分词、索引等处理，以备排名程序调用。 数据处理 ②.重复或转载页面的消除 转载的是内容，只是网页可识别内容的一部分。 去重，因为没有完全相同的页面，所以非常相似的网页被去掉。 网页相似度 数据处理 ③.链接分析 链接计算分析：计算网页之间的链接流动信息，每个页面上多少导出链接、导入链接，链接使用什么锚文本，这些链接指向关系形成了网站和页面的链接权重。 同一网站不同层级页面的权重不同 首页权重最高 ，栏目页次之，文章页最低 想让哪里的权重增高，放到首页 数据处理 ④.网页重要程度计算 网页：转载、流量、时间、更新、链入、pr、专业性（关键词单一）、重要标签的应用、关键词密度、信噪比、网页层级、网页架构、代码的可识别、连接别名、文件形式 网站：网页所有的内容、架构、相似度、相关性 数据处理 3．查询服务 查询服务 ①.查询方式和匹配 先整体精确匹配?再拆分 精确匹配：搜索引擎按照用户输入的词序进行搜索结果显示。单页面优化，网页权重比较低； 拆分匹配：搜索引擎按照拆分之后关键词进行加权平均的结果显示，热词或者一个网站某个词权重高也会出现拆分匹配。高权重会拆分； ②.结果排序 ——数据处理 ③.文档摘要 ——搜索“北京公交查询” 3．查询服务 查询服务 分词——去重——链接分析——权重计算 搜索引擎有三大类服务器：抓取服务器、数据处理服务器、检索服务器、 * 搜索引擎服务器分为:抓取、数据处理、检索显示. * 搜索结果的排序是按照权重从高到低。 * 抓取网站的蜘蛛是有分工，有些专门放风（访问状态200，数据包大小为0 类似于： 200 0 0），有些专门负责抓取（数据包不为0）。有些蜘蛛抓取首页、栏目页，有些专门抓取内容页。 * 搜索引擎分词，首先考察特殊名词(世界性名人、地名)，接下来考察用户搜索比较多的热门词(同音异形词)，最后按照一般词细分(大辞典)； 谷歌趋向于拆分之后再搜索；百度趋向于整体搜索，没有结果了再拆分 ； * 网页相似度：50%以内属正常、超过50%收录了不显示、70%不收录；/similarchecker.php * * 流量：能够被搜索引擎统计到的流量（如：百度百科、贴吧、百度搜索等） * 先整体精确匹配?再拆分 1、精确匹配：搜索引擎按照用户输入的词序进行搜索结果显示。单页面优化。网页权重比较低； 2、拆分匹配：搜索引擎按照拆分之后关键词进行加权平均的结果显示，热词或者一个网站某个词权重高也会出现拆分匹配。高权重会拆分； * 文档摘要：优先抓取description，没有description就随机抓取文字。没有meta-description搜索引擎会从网页中抓取1-3段含有关键词的部分进行匹配。优先抓取导航、第一段、每段第一句 * 分词——去重——链接分析——权重计算 搜索引擎有三大类服务器：抓取服务器、数据处理服务器、检索服务器、 * 搜索引擎服务器分为:抓取、数据处理、检索显示. * 搜索结果的排序是按照权重从高到低。 * 抓取网站的蜘蛛是有分工，有些专门放风（访问状态200，数据包大小为0 类似于： 200 0 0），有些专门负责抓取（数据包不为0）。有些蜘蛛抓取首页、栏目页，有些专门抓取内容页。 * 搜索引擎分词，首先考察特殊名词(世界性名人、地名)，接下来考察用户搜索比较多的热门词(同音异形词)，最后按照一般词细分(大辞典)； 谷歌趋向于拆分之后再搜索；百度趋向于整体搜索，没有结果了再拆分 ； * 网页相似