指令處理。靠譜網(wǎng)站建設(shè)公司查詢詞完成分詞后，搜索引擎的默認(rèn)處理方式是在關(guān)鍵詞之間使用“與”邏輯。也就是說用戶搜索“減肥方法”時，程序分詞為“減肥”和“方法”兩個詞，搜索引擎排序時默認(rèn)認(rèn)為，用戶尋找的是既包含“減肥”，網(wǎng)站建設(shè)公司價格也包含“方法”的頁面。只包含“減肥”不包含“方法”，或者只包含“方法”不包含“減肥”的頁面，被認(rèn)為是不符合搜索條件的。當(dāng)然，這只是極為簡化的為了說明原理的說法，實際上我們還是會看到只包含一部分關(guān)鍵詞的搜索結(jié)果。

唐山靠譜網(wǎng)站建設(shè)公司不同用戶搜索相同的關(guān)鍵詞，很可能是在尋找不同的東西。比如搜索“蘋果”，用戶到底是想了解蘋果這個水果，還是蘋果電腦？還是電影《蘋果》的信息？沒有上下文，沒有對用戶個人搜索習(xí)慣的了解，就完全無從判斷。網(wǎng)站建設(shè)公司價格搜索引擎目前正在致力于基于用戶搜索習(xí)慣及歷史數(shù)據(jù)的了解上，判斷搜索意圖，返回更相關(guān)的結(jié)果。今后搜索引擎是否能達(dá)到人工智能水平，真正了解用戶搜索詞的意義和目的，讓我們拭目以待。

海量數(shù)據(jù)存儲靠譜網(wǎng)站建設(shè)公司一些大型網(wǎng)站單是一個網(wǎng)站就有百萬千萬個頁面，可以想象網(wǎng)上所有網(wǎng)站的頁面加起來是一個什么數(shù)據(jù)量。搜索引擎蜘蛛抓取頁面后，還必須有效存儲這些數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)必須合理，具備極高的擴(kuò)展性，寫入及訪問速度要求也很高。網(wǎng)站建設(shè)公司價格除了頁面數(shù)據(jù)，搜索引擎還需要存儲頁面之間的鏈接關(guān)系及大量歷史數(shù)據(jù)，這樣的數(shù)據(jù)量是用戶無法想象的。據(jù)說Google有幾十個數(shù)據(jù)中心，上百萬臺服務(wù)器。這樣大規(guī)模的數(shù)據(jù)存儲和訪問必然存在很多技術(shù)挑戰(zhàn)。

靠譜網(wǎng)站建設(shè)公司這里的關(guān)鍵詞選取是在分詞、去停止詞、消噪之后。實驗表明，通常選取10個特征關(guān)鍵詞就可以達(dá)到比較高的計算準(zhǔn)確性，再選取更多詞對去重準(zhǔn)確性提高的貢獻(xiàn)也就不大了。典型的指紋計算方法如MD5算法（信息摘要算法第五版）。網(wǎng)站建設(shè)公司價格這類指紋算法的特點(diǎn)是，輸入（特征關(guān)鍵詞）有任何微小的變化，都會導(dǎo)致計算出的指紋有很大差距。了解了搜索引擎的去重算法，網(wǎng)站優(yōu)化人員就應(yīng)該知道簡單地“的”、“地”、“得”、調(diào)換段落順序這種所謂偽原創(chuàng)，并不能逃過搜索引擎的去重算法，因為這樣的操作無法改變文章的特征關(guān)鍵詞。

我們經(jīng)常在搜索結(jié)果中看到，排名會沒有明顯原因地上下波動，甚至可能刷新一下頁面，就看到不同的排名，有的時候網(wǎng)站數(shù)據(jù)也可能丟失。網(wǎng)站建設(shè)公司價格這些都可能與大規(guī)模數(shù)據(jù)存儲的技術(shù)難題有關(guān)。索引處理快速有效，具可擴(kuò)展性 搜索引擎將頁面數(shù)據(jù)抓取和存儲后，還要進(jìn)行索引處理，唐山靠譜網(wǎng)站建設(shè)公司包括鏈接關(guān)系的計算、正向索引、倒排索引等。由于數(shù)據(jù)庫中頁面數(shù)量大，進(jìn)行PR之類的迭代計算也是耗時費(fèi)力的。要想及時提供相關(guān)又及時的搜索結(jié)果，僅僅抓取沒有用，還必須進(jìn)行大量索引計算。由于隨時都有新數(shù)據(jù)、新頁面加入，因此索引處理也要具備很好的擴(kuò)展性。

靠譜網(wǎng)站建設(shè)公司由于頁面和鏈接數(shù)量巨大，網(wǎng)上的鏈接關(guān)系又時時處在更新中，因此鏈接關(guān)系及PR的計算要耗費(fèi)很長時間。關(guān)子PR和鏈接分析，后面還有專門的章節(jié)介紹。9．特殊文件處理 除了HTML文件外，搜索引擎通常還能抓取和索引以文字為基礎(chǔ)的多種文件類型，如PDF、Word、WPS、XLS、PPT、TXT文件等。網(wǎng)站建設(shè)公司價格我們在搜索結(jié)果中也經(jīng)常會看到這些文件類型。但目前的搜索引擎還不能處理圖片、視頻、Flash這類非文字內(nèi)容，也不能執(zhí)行腳本和程序。