Google 搜索引擎小讲课(精品·公开课件).pptVIP

Google搜索引擎 Google搜索基本原理 Google特色 Google基本搜索 Google与Baidu 的异同 Google世界小拓展 Google网络趣图  基本搜索原理 Google如何发现站点和网页 蜘蛛程序Googlebot 四种方法发现新站点： 通过填写/addurl.html上的“添加URL”将URL提交到Google以供Googlebot抓取 Google从其他已索引的站点上发现本站点的从而对其进行抓取 注册Google站长工具，在确认提交后提交一份本站点的站点地图 从一张已经被索引的页面重定向到新页面（例如使用301重定向） Google如何储存信息 索引的主旨 将文档转化为它包含的关键字从而优化检索的速度和性能 Google有500 000至1 000 000台服务器，分布在70多个数据中心，占地数千英亩，而且如今对计算量的需求还在快速增长 Google如何构建索引 Googlebot爬取了网站之后，会给其发现的每个页面分配一个独一无二的ID号，并将其发送给索引程序 索引程序可列出每个含有特定词的文档 Google停用词 Google搜索框会忽略掉特定常用词 这些停用词包括（但不限于）： i,a,about,an,and,are,as,at,be,by,for,from,how,in,is,it,of,on,or,that,the,this,to,was,what,when,where,who,will,with. But : Google足够智能，可以识别出一个停用词以特殊方式出现的情况。例如：搜索“the who”时，the不会被忽略掉，而是进行处理，返回著名摇滚乐队相关的搜索结果 Google如何存储索引 Google使用了成百上千台计算机来存储索引以达到加速度目的 在处理时，识别含有查询词的页面的任务被分配给很多机器同时执行 Google如何查询索引 包含一个特定词的文档叫做倒排表(posting list)，查找含有两个以上词的文档叫做“倒排表相交”。相交后的列表包含含有全部检索词的文档 Google搜索引擎最基本的任务： 从索引中找到包含用户查询词的页面集合； 根据页面重要程度和相关性对匹配页面进行排名 Google如何排名 Google PageRank PageRank是Google专有的算法，用于衡量特定网页相对于搜索引擎索引中的其他网页而言的重要程度。它由Larry Page 和 Sergey Brin在20世纪90年代后期发明。PageRank实现了将链接价值概念作为排名因素。 PageRank近拟于一个用户，是指在Internet上随机地单击链接将会到达特定网页的可能性。通常，能够从更多地方到达的网页更为重要，因此具有更高的PageRank。每个到其他网页的链接，都增加了该网页的PageRank。 GOOGLE PageRank虽不是唯一的链接相关的排名算法，却是目前最为广泛使用的一种。 　TrustRank(信任指数) TrustRank算法最初来自于2004年斯坦福大学和雅虎的一项联合研究，用来检测垃圾网站，并且于2006年申请专利。 在现在的搜索引擎排名算法中，TrustRank概念使用更为广泛，常常影响大部分网站的整体排名。它衡量的是网站在谷歌上的信任度，网站的TrustRank值越高，意味着网站质量越高。 从工作原理看优势 最好的商业公司源于车库，最好的搜索引擎源于校园。 专注于质量。Google 的搜索服务既不是简单的信息目录，也不是变相的商业广告。 Google搜索引擎特色 目录中收录了 10 亿多个网址，在同类搜索引擎中首屈一指 支持多达132种语言，包括简体中文和繁体中文 只摘录那些包含搜索关键词的内容 其正文或指向它的链接包含您所输入的所有关键词 遵从关键词的相对位置，按照关键词的接近度确定搜索结果的先后次序，优先考虑关键词较为接近的结果，省时而高效 举例:在Google搜索栏里输入人名检索“杨小年 +何家进” Google基本网络搜索 单查询法。参见 Google首页排列的5大功能模块 Goolge的默认运算符就是逻辑“与”，用空格、“AND”和“+”都表示，而逻辑“非”只能用“-”而不能用“NOT”表示，逻辑“或”用“OR”表示。 注意：“+”“-”等要用英文格式输入，且“+”“-”之前要有空格 ——引自上堂课PPT  高级搜索