日韩亚洲欧美色欲在线_精品无码aⅴ人妻受辱系列_大陆国语一级毛片_亚洲国产日韩不卡综合

    河北百度愛采購(gòu)中使用的是倒排索引，有不少朋友并不理解什么叫倒排索引。這里先來介紹一下正向索引。當(dāng)用戶進(jìn)行查詢時(shí)，如果對(duì)本地文件全面掃描用戶所提交的關(guān)鍵詞，“查詢”的工作量就太大了，而且也是很消耗服務(wù)器資源的，所以搜索引擎會(huì)把已經(jīng)處理過的網(wǎng)頁(yè)先進(jìn)行索引，放到數(shù)據(jù)庫(kù)中等待網(wǎng)民的搜索查詢請(qǐng)求個(gè)網(wǎng)頁(yè)被搜索引擎經(jīng)過以上處理后，就只剩下能夠體現(xiàn)網(wǎng)頁(yè)主體內(nèi)容的文本了，此時(shí)就可以對(duì)該網(wǎng)頁(yè)進(jìn)行索引了。正向索引指的是文件對(duì)應(yīng)關(guān)鍵詞的形式，正向索引數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化。如果使用這種索引直接參與排名，則與不分詞沒有太大區(qū)別，也需要對(duì)所有文件進(jìn)行檢索，并且如果用戶提交的是長(zhǎng)尾詞，這種索引對(duì)文件內(nèi)容相關(guān)度的計(jì)算也會(huì)非常消耗資源。為了使得索引文件可以直接用于排名，河北百度愛采購(gòu)會(huì)把上面的對(duì)應(yīng)關(guān)系進(jìn)行轉(zhuǎn)換，做成倒排索引，也就是采用關(guān)鍵詞對(duì)應(yīng)文件的形式。倒排索引的數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化示意。
    這樣的索引結(jié)構(gòu)就可以直接應(yīng)用于搜索排名了，比如，用戶搜索關(guān)鍵詞1，那么搜索引擎只會(huì)對(duì)包含關(guān)鍵詞的文件進(jìn)行相關(guān)度和權(quán)重計(jì)算；用戶搜索“關(guān)鍵詞1+關(guān)鍵詞2”組合詞，那么搜索引擎就會(huì)把包含關(guān)鍵詞1且包含關(guān)鍵詞2的文件調(diào)出，進(jìn)行相關(guān)度和權(quán)重計(jì)算。這樣就大大加快了呈現(xiàn)排名的速度。河北百度愛采購(gòu)中不僅僅記錄了包含相應(yīng)關(guān)鍵詞文件的ID，還會(huì)記錄關(guān)鍵詞頻率、每個(gè)關(guān)鍵詞對(duì)應(yīng)的文檔頻率，以及關(guān)鍵詞出現(xiàn)在文件中的位置等信息。在排名過程中，這些信息會(huì)被分別進(jìn)行加權(quán)處理，并應(yīng)用到最終的排名結(jié)果中在SEO操作中，會(huì)有相對(duì)應(yīng)的加大關(guān)鍵詞頻率、盡量使核心關(guān)鍵詞出現(xiàn)在網(wǎng)頁(yè)的最前面，以及關(guān)鍵詞用H標(biāo)簽和變色加粗等著重標(biāo)識(shí)的操作手法，這些都會(huì)被倒排索引所記錄，并參與關(guān)鍵詞相關(guān)度的計(jì)算和搜索排名。
    在河北百度愛采購(gòu)如此發(fā)達(dá)的今天，同一資料會(huì)在多個(gè)網(wǎng)站發(fā)布，同—新聞會(huì)被大部分媒體網(wǎng)站報(bào)道，再加上小姑長(zhǎng)和SEO人員孜孜不倦地網(wǎng)絡(luò)采集，造成了網(wǎng)絡(luò)上擁有大量的重復(fù)信息。然而當(dāng)用戶搜索某個(gè)關(guān)鍵詞時(shí)，搜索引擎必定不想呈現(xiàn)給用戶的搜索結(jié)果都是相同的內(nèi)容。抓取這些重復(fù)的網(wǎng)頁(yè)，在一定意義上就是對(duì)搜索引擎自身資源的浪費(fèi)，因此去除重復(fù)內(nèi)容的網(wǎng)頁(yè)也成了搜索引擎所面臨的一大問題在一般的搜索引擎架構(gòu)中，網(wǎng)頁(yè)去重一般在Spider抓取部分就存在了，“去重”步驟在整個(gè)搜索引擎架構(gòu)中實(shí)施得越早，越可以節(jié)約后續(xù)處理系統(tǒng)的資源使用。搜索引擎一般會(huì)對(duì)已經(jīng)抓取過的重復(fù)頁(yè)面進(jìn)行歸類處理，比如，判斷某個(gè)站點(diǎn)是否包含大量的重復(fù)頁(yè)面，或者該站點(diǎn)是否完全采集其他站點(diǎn)的內(nèi)容等，以決定以后對(duì)該站點(diǎn)的抓取情況或是否直接屏蔽抓取。