另外用戶輸入的查詢?cè)~還可能包含一些高級(jí)搜索指令，如加號(hào)、減號(hào)等，搜索引擎都需要做出識(shí)別和相應(yīng)處理。有關(guān)高級(jí)搜索指令，后面還有詳細(xì)說明。正規(guī)網(wǎng)站建設(shè)公司寫錯(cuò)誤矯正。用戶如果輸入了明顯錯(cuò)誤的字或英文單詞拼錯(cuò)，搜索引擎會(huì)提示用戶正確的用字或拼法，輸入的錯(cuò)拼、錯(cuò)字矯正，整合搜索觸發(fā)。某些搜索詞會(huì)觸發(fā)整合搜索，比如明星姓名就經(jīng)常觸發(fā)圖片和視頻內(nèi)容，網(wǎng)站建設(shè)公司多少錢當(dāng)前的熱門話題又容易觸發(fā)資訊內(nèi)容。哪些詞觸發(fā)哪些整合搜索，也需要在搜索詞處理階段計(jì)算。

正規(guī)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(shí)驗(yàn)表明，通常選取10個(gè)特征關(guān)鍵詞就可以達(dá)到比較高的計(jì)算準(zhǔn)確性，再選取更多詞對(duì)去重準(zhǔn)確性提高的貢獻(xiàn)也就不大了。典型的指紋計(jì)算方法如MD5算法（信息摘要算法第五版）。網(wǎng)站建設(shè)公司多少錢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(huì)導(dǎo)致計(jì)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(jiǎn)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?yàn)檫@樣的操作無法改變文章的特征關(guān)鍵詞。

正規(guī)網(wǎng)站建設(shè)公司實(shí)際上用戶并不需要知道所有匹配的幾十萬、幾百萬個(gè)頁面，絕大部分用戶只會(huì)查看前兩頁，也就是前20個(gè)結(jié)果。搜索引擎也并不需要計(jì)算這么多頁面的相關(guān)性，而只要計(jì)算Z重要的一部分頁面就可以了。常用搜索引擎的人都會(huì)注意到，搜索結(jié)果頁面通常Z多顯示100個(gè)。網(wǎng)站建設(shè)公司多少錢用戶點(diǎn)擊搜索結(jié)果頁面底部的“下一頁”鏈接，Z多也只能看到第100頁，也就是1000個(gè)搜索結(jié)果但問題在于，還沒有計(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主要的就是頁面權(quán)重。

正規(guī)網(wǎng)站建設(shè)公司由此可見，雖然理論上蜘蛛能爬行和抓取所有頁面，但實(shí)際上不能、也不會(huì)這么做。網(wǎng)站優(yōu)化人員要想讓自己的更多頁面被收錄，就要想方設(shè)法吸引蜘蛛來抓取。既然不能抓取所有頁面，蜘蛛所要做的就是盡量抓取重要頁面。網(wǎng)站建設(shè)公司多少錢哪些頁面被認(rèn)為比較重要呢？有幾方面影響因素。網(wǎng)站優(yōu)化網(wǎng)站和頁面權(quán)重。質(zhì)量高、資格老的網(wǎng)站被認(rèn)為權(quán)重比較高，這種網(wǎng)站上的頁面被爬行的深度也會(huì)比較高，所以會(huì)有更多內(nèi)頁被收錄。 網(wǎng)站優(yōu)化頁面更新度。

正規(guī)網(wǎng)站建設(shè)公司中文分詞，分詞是中文搜索引擎特有的步驟。搜索引擎存儲(chǔ)和處理頁面及用戶搜索都是以詞為基礎(chǔ)的。英文等語言單詞與單詞之間有空格分隔，搜索引擎索引程序可以直接把句子劃分為單詞的集合。而中文詞與詞之間沒有任何分隔符，一個(gè)句子中的所有字和詞都是連在一起的。網(wǎng)站建設(shè)公司多少錢搜索引擎必須首先分辨哪幾個(gè)字組成一個(gè)詞，哪些字本身就是一個(gè)詞。比如“減肥方法”將被分詞為“減肥”和“方法”兩個(gè)詞。中文分詞方法基本上有兩種，一種是基于詞典匹配，另一種是墓于統(tǒng)計(jì)。