google搜索引擎工作原理簡(jiǎn)介-資料下載頁(yè)
2025-08-12 01:27本頁(yè)面
【導(dǎo)讀】翻譯整理簡(jiǎn)化而成。盡管Google一直在修正不同因素對(duì)網(wǎng)頁(yè)的權(quán)重影響以期排。除作弊網(wǎng)站對(duì)搜索結(jié)果的干擾和獲得最好的搜索結(jié)果，但其核心思路并沒有改。比較重要或者質(zhì)量較高。除了考慮網(wǎng)頁(yè)鏈接數(shù)量之外，Google還要參考鏈接網(wǎng)。頁(yè)本身的級(jí)別，以及這個(gè)網(wǎng)頁(yè)有多少正向鏈接到其它網(wǎng)頁(yè)。d:阻尼系數(shù)，0<d<1，通常設(shè)為。的深入分析，我在方便的時(shí)候會(huì)另外寫一篇文章介紹）。PageRank可以被理解為用戶的一個(gè)行為模型。隨機(jī)訪問的概率。Google對(duì)連接描述文字進(jìn)行了特殊的處理。以誤導(dǎo)搜索引擎。系列的關(guān)鍵字排序，稱為命中hits。離出網(wǎng)頁(yè)中的所有鏈接，將重要的信息存放在Anchors文件之中。置出現(xiàn)的關(guān)鍵字均為plainhits。對(duì)每一個(gè)有效的wordID，詞庫(kù)lexicon中包含了指針指向具體的barrel。它指向由docID組成的doclist列表，以及他們的所對(duì)應(yīng)的命中列表hitlists。hits，另一組則包含所有的hits。這樣，google先檢查第一組shortbarrels，
【正文】 每一個(gè) hit list 包含了位置，字體，大小寫信息。另為 Google 還參考了 anchor text 以及網(wǎng)頁(yè)的 PageRank。 沒有一個(gè)單一的因素會(huì)對(duì)搜索結(jié)果的排序產(chǎn)生太大的影響。 讓我們來看一下單個(gè)關(guān)鍵字的查詢： Google 先查看對(duì)應(yīng)于這 個(gè)單詞的網(wǎng)頁(yè)的命中列表 hit list。 Google 區(qū)分每個(gè) hit 由幾種不同的類型 （標(biāo)題 , anchor, URL, 大字體 , 小字體等等） , 每一種類型都有自己的類型權(quán)重 typeweight。 這些typeweights 組成一個(gè)由類型向量。 Google 計(jì)算每一種類型的命中記數(shù)，然后這些命中記數(shù)又轉(zhuǎn)換為計(jì)數(shù)權(quán)重 Countweights。計(jì)數(shù)權(quán)重開始以線性增加，然后很快就逐漸停止，這樣太多的命中記數(shù)就會(huì)沒有作用。 Google 在將Countweights和 typeweight相乘計(jì)算出網(wǎng)頁(yè)的 IR score。 最后這個(gè) IR score與 PageRank 相結(jié)合得到最終的搜索排序結(jié)果。 對(duì)于多關(guān)鍵詞的搜索，計(jì)算方法就比較復(fù)雜一些?，F(xiàn)在多個(gè)命中列表必須要全部掃描，這樣對(duì)那些出現(xiàn)在文章中靠近的 hits 就比那些分開較遠(yuǎn)的 hits 有更高的權(quán)重。 那些相接近的 hits 被匹配到一起，然后計(jì)算出這些相匹配的 hits 的相關(guān)度 proximity。相關(guān)度是基于這些 hits 出現(xiàn)在文章中的距離決定的，并被分為 10 個(gè)不同的值，分別表示為短語(yǔ)匹配（ phrase match)到根本不匹配（ not even close)。命中計(jì)數(shù)不 僅計(jì)算每種類型，而且還計(jì)算每個(gè)類型和他們的相關(guān)度匹配。 每個(gè)類型和相關(guān)度配對(duì)有一個(gè) typeproxweight 權(quán)重。這個(gè)記數(shù)器被轉(zhuǎn)換為計(jì)數(shù)權(quán)重。然后這個(gè)計(jì)數(shù)權(quán)重于與類型相關(guān)權(quán)重 typeproxweights 相乘得到文章的 IR score。當(dāng)然最后是 IR score 與 PageRank 相結(jié)合得到最終的搜索排序結(jié)果。
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1