百度搜索引擎是如何提取网站中的关键词 |
伟创科技 / 2013/1/14 7:48:13 |
| [核心提示] 可能大家在优化自己网站的时候，还从来没有认真分析过或者系统的学习过搜索引擎的搜索规则和其中的原理。 |
 |
可能大家在优化自己网站的时候，还从来没有认真分析过或者系统的学习过搜索引擎的搜索规则和其中的原理。洛阳网络公司伟创科技技术部门通过一些渠道了解到的资料可能会对大家展开更高层次的网站优化有一定帮助，如果您现在正在朝着这样的方向发展，那么仅仅知道网站内容和外链是远远不够的。因此，本文将是技术角度出发的一些文字，希望能对读者有一定的帮助。
搜索引擎之所以可以在数秒钟甚至一秒钟内完成数亿级别的数据处理，并不是因为搜索引擎具备多么强大的计算能力，而是全部的网页都是经过预处理，为排名做好了足够的准备的。网站要有排名，就必须被索引，而搜索引擎现在就主要是对网站文字进行提取后进行预处理，预处理的过程就是去除从HTML代码中抓取的标签、JS程序等不可以用来排名的内容，提取可以用于排名的页面文字内容。
其中，中文和英文的索引还有一个很重要的区别，那就是中文会有一个分词技术。搜索引擎储存和处理页面以及用户搜索都是以词为基础的。分词技术主要包括两种，一种是词典匹配，也就是将待分析的一段汉字与一个事先造好的词典中的词条进行匹配，如果发现词典中已有词条那么说明匹配成功，就分出一个关键词来。第二种分词技术是基于统计的智能方法，也就是通过分析大量文字样本，计算出字与字相邻出现的统计概率，几个字相邻出现越多，就越可能成为一个单词。这种方法的优势是对新出现的词反应更快速，有利于消除歧义，词典匹配和智能匹配这两种分词技术通常是互相协调，搭配使用，以提高搜索引擎的精确度。
|
 |
除非特别声明，伟创科技所有均为伟创原创报道，转载请注明原文链接。
原文地址：http://www.lywhy.com/SoftWare/View.asp?id=291
所属类别：软件开发 |
| |
|
|
| 相关内容 |
|
|
| 猜你喜欢 |
|
|
