有實(shí)力網(wǎng)絡(luò)推廣公司文件存儲(chǔ)搜索引擎蜘蛛抓取的數(shù)據(jù)存入原始頁(yè)面數(shù)據(jù)庫(kù)。其中的頁(yè)面數(shù)據(jù)與用戶瀏覽器得到的HTML是完全一樣的。每個(gè)URL都有一個(gè)獨(dú)特的文件編號(hào)。爬行時(shí)的復(fù)制內(nèi)容檢測(cè)網(wǎng)絡(luò)推廣公司多少錢 檢測(cè)并刪除復(fù)制內(nèi)容通常是在下面介紹的預(yù)處理過(guò)程中進(jìn)行的，但現(xiàn)在的蜘蛛在爬行和抓取文件時(shí)也會(huì)進(jìn)行一定程度的復(fù)制內(nèi)容檢測(cè)。遇到權(quán)重很低的網(wǎng)站上大量轉(zhuǎn)載或抄襲內(nèi)容時(shí)，很可能不再繼續(xù)爬行。這也就是有的站長(zhǎng)在日志文件中發(fā)現(xiàn)了蜘蛛，但頁(yè)面從來(lái)沒(méi)有被真正收錄過(guò)的原因。

橋西區(qū)有實(shí)力網(wǎng)絡(luò)推廣公司同一篇文章經(jīng)常會(huì)重復(fù)出現(xiàn)在不同網(wǎng)站及同一個(gè)網(wǎng)站的不同網(wǎng)址上，搜索引擎并不喜歡這種重復(fù)性的內(nèi)容。用戶搜索時(shí)，如果在前兩頁(yè)看到的都是來(lái)自不同網(wǎng)站的同一篇文章，用戶體驗(yàn)就太差了，雖然都是內(nèi)容相關(guān)的。網(wǎng)絡(luò)推廣公司多少錢搜索引擎希望只返回相同文章中的一篇，所以在進(jìn)行索引前還需要識(shí)別和刪隙重復(fù)內(nèi)容，這個(gè)過(guò)程就稱為“去重”。去重的基本方法是對(duì)頁(yè)面特征關(guān)鍵詞計(jì)算指紋，也就是說(shuō)從頁(yè)面主體內(nèi)容中選取Z有代表性的一部分關(guān)鍵詞（經(jīng)常是出現(xiàn)頻率Z高的關(guān)鍵詞），然后計(jì)算這些關(guān)鍵詞的數(shù)字指紋。

有實(shí)力網(wǎng)絡(luò)推廣公司實(shí)際上用戶并不需要知道所有匹配的幾十萬(wàn)、幾百萬(wàn)個(gè)頁(yè)面，絕大部分用戶只會(huì)查看前兩頁(yè)，也就是前20個(gè)結(jié)果。搜索引擎也并不需要計(jì)算這么多頁(yè)面的相關(guān)性，而只要計(jì)算Z重要的一部分頁(yè)面就可以了。常用搜索引擎的人都會(huì)注意到，搜索結(jié)果頁(yè)面通常Z多顯示100個(gè)。網(wǎng)絡(luò)推廣公司多少錢用戶點(diǎn)擊搜索結(jié)果頁(yè)面底部的“下一頁(yè)”鏈接，Z多也只能看到第100頁(yè)，也就是1000個(gè)搜索結(jié)果但問(wèn)題在于，還沒(méi)有計(jì)算相關(guān)性時(shí)，搜索引擎又怎么知道哪一千個(gè)文件是晟相關(guān)的？所以用于Z后相關(guān)性計(jì)算的初始頁(yè)面子集的選擇，必須依靠其他特征而不是相關(guān)性，其中Z主要的就是頁(yè)面權(quán)重。

搜索引擎對(duì)頁(yè)面的分詞取決于詞庫(kù)的規(guī)模、準(zhǔn)確性和分詞算法的好壞，而不是取決于頁(yè)面本身如何，所以網(wǎng)站優(yōu)化人員對(duì)分詞所能做的很少。橋西區(qū)有實(shí)力網(wǎng)絡(luò)推廣公司唯一能做的是在頁(yè)面上用某種形式提示搜索引擎，某幾個(gè)字應(yīng)該被當(dāng)做一個(gè)詞處理，尤其是可能產(chǎn)生歧義的時(shí)候，比如在頁(yè)面標(biāo)題、hl標(biāo)簽及黑體中出現(xiàn)關(guān)鍵詞。網(wǎng)絡(luò)推廣公司多少錢如果頁(yè)面是關(guān)于“和服”的內(nèi)容，那么可以把“和服”這兩個(gè)字特意標(biāo)為黑體。如果頁(yè)面是關(guān)于“化妝利服裝”，可以把“服裝”兩個(gè)字標(biāo)為黑體。

有實(shí)力網(wǎng)絡(luò)推廣公司正向索引還不能直接用于排名。假設(shè)用戶搜索關(guān)鍵詞2，如果只存在正向索引，排名程序需要掃描所有索引庫(kù)中的文件，找出包含關(guān)鍵詞2的文件，再進(jìn)行相關(guān)性計(jì)算。這樣的計(jì)算量無(wú)法滿足實(shí)時(shí)返回排名結(jié)果的要求。網(wǎng)絡(luò)推廣公司多少錢所以搜索引擎會(huì)將正向索引數(shù)據(jù)庫(kù)重新構(gòu)造為倒排索引，把文件對(duì)應(yīng)到關(guān)鍵詞的映射轉(zhuǎn)換為關(guān)鍵詞到文件的映射，在倒排索引中關(guān)鍵詞是主鍵，每介關(guān)鍵詞都對(duì)應(yīng)著一系列文件，這些文件中都出現(xiàn)了這個(gè)關(guān)鍵詞。這樣當(dāng)用戶搜索某個(gè)關(guān)鍵詞時(shí)，排序程序在倒排索引中定位到這個(gè)關(guān)鍵詞，就可以馬上找出所有包含這個(gè)關(guān)鍵詞的文件。