seo前线培训教程第二节：搜索引擎基础原理

显示全部楼层 · 2013-10-20 12:33:17

seo前线培训教程第二节：搜索引擎基础原理

课程内容简介：

解读《走进搜索引擎》，说明哪些是对于SEO需要看的，哪些是相对不重要的。并对于中文分词、倒排索引等重点部分进行详细的讲解。

课后：

逐渐阅读理解《走进搜索引擎》的重点章节。

上半节

1. 抓取系统

爬虫只是个下载器，可以把它想象成迅雷。它本身的分析能力很有限，仅有的分析功能主要是提取页面上的链接从而不断抓取。搜索引擎的大多数分析步骤，都是在页面先被抓回去以后做的。

常见的对于爬虫的误解如，搜索引擎无法很好的抓取动态网页。

2. 分析系统

分析系统会用程序来尽力解读网页的类型、主题等。

3. 索引系统

索引系统将网页内容转化为倒排索引，以支持海量数据的迅速查询。

4. 查询系统

当用户搜索词的时候，会触发搜索引擎的查询系统。它涉及到搜索结果的排序等，一般是SEO最为关注的部分。

《走进搜索引擎》（第二版）重点章节

下载系统

Page 6 搜索引擎的体系结构

Page 12 万维网的直径——扁平化网站的重要性

Page 16 宽度优先策略——百度大致策略

Page 19 不重复抓取策略

Page 25 网页抓取优先策略

Page 26 网页重访策略——快照更新的本质

Page 31 其他应该主要注意的礼貌性问题——抓取压力反馈

分析系统

Page 46 网页结构化的目标——区块重要性差异

Page 52 通过投票方法得到正文

Page 56 网页查重——伪原创不可行 & 特征项

Page 61 中文分词——同关键词对应多个页面是否分散权重

Page 68 PageRank的基本想法——反链有效的原因

索引系统

Page 87 倒排索引——检索的本质 & 关键词的伪概念

查询系统

Page 113 什么是信息熵——原创文章!=有价值的文章

Page 115 检索词和查询词的区别——区域性排名

Page 116 自动文本摘要——不显示description的原因

Page 122 关键词权重的量化方法TF-IDF

Page 137 中文自动摘要——摘要可控

Page 145 推测用户查询意图

排序学习

Page 186 查询相关/无关的排序模型——排名因素的细分

Page 217 排序特征

搜索引擎的性能调优——性能瓶颈

下半节

下载网页 -> 中文分词 -> 倒排索引 -> 查询

Python实例：最简单的搜索引擎

搜索引擎眼中，网页是由大量词构成的。

思考：为什么在网页里面重复出现关键词，有时可以提升排名？

下载地址：

游客，如果您要查看本帖隐藏内容请回复