搜索引擎原理

原创 2005年04月25日 12:54:00
    搜索引擎并不真正搜索互联网,它搜索的实际上是预先整理好的网页索引数据库。

  真正意义上的搜索引擎,通常指的是收集了因特网上几千万到几十亿个网页并对网页中的每一个词(即关键词)进行索引,建立索引数据库的全文搜索引擎。当用户查找某个关键词的时候,所有在页面内容中包含了该关键词的网页都将作为搜索结果被搜出来。在经过复杂的算法进行排序后,这些结果将按照与搜索关键词的相关度高低,依次排列。

  现在的搜索引擎已普遍使用超链分析技术,除了分析索引网页本身的内容,还分析索引所有指向该网页的链接的URL、AnchorText、甚至链接周围的文字。所以,有时候,即使某个网页A中并没有某个词比如“恶魔撒旦”,但如果有别的网页B用链接“恶魔撒旦”指向这个网页A,那么用户搜索“恶魔撒旦”时也能找到网页A。而且,如果有越多网页(C、D、E、F……)用名为“恶魔撒旦”的链接指向这个网页A,或者给出这个链接的源网页(B、C、D、E、F……)越优秀,那么网页A在用户搜索“恶魔撒旦”时也会被认为更相关,排序也会越靠前。

  搜索引擎的原理,可以看做三步:从互联网上抓取网页→建立索引数据库→在索引数据库中搜索排序。  

从互联网上抓取网页
利用能够从互联网上自动收集网页的Spider系统程序,自动访问互联网,并沿着任何网页中的所有URL爬到其它网页,重复这过程,并把爬过的所有网页收集回来。


建立索引数据库
由分析索引系统程序对收集回来的网页进行分析,提取相关网页信息(包括网页所在URL、编码类型、页面内容包含的关键词、关键词位置、生成时间、大小、与其它网页的链接关系等),根据一定的相关度算法进行大量复杂计算,得到每一个网页针对页面内容中及超链中每一个关键词的相关度(或重要性),然后用这些相关信息建立网页索引数据库。


在索引数据库中搜索排序
当用户输入关键词搜索后,由搜索系统程序从网页索引数据库中找到符合该关键词的所有相关网页。因为所有相关网页针对该关键词的相关度早已算好,所以只需按照现成的相关度数值排序,相关度越高,排名越靠前。
最后,由页面生成系统将搜索结果的链接地址和页面内容摘要等内容组织起来返回给用户。 
  搜索引擎的Spider一般要定期重新访问所有网页(各搜索引擎的周期不同,可能是几天、几周或几月,也可能对不同重要性的网页有不同的更新频率),更新网页索引数据库,以反映出网页内容的更新情况,增加新的网页信息,去除死链接,并根据网页内容和链接关系的变化重新排序。这样,网页的具体内容和变化情况就会反映到用户查询的结果中。

  互联网虽然只有一个,但各搜索引擎的能力和偏好不同,所以抓取的网页各不相同,排序算法也各不相同。大型搜索引擎的数据库储存了互联网上几亿至几十亿的网页索引,数据量达到几千G甚至几万G。但即使最大的搜索引擎建立超过二十亿网页的索引数据库,也只能占到互联网上普通网页的不到30%,不同搜索引擎之间的网页数据重叠率一般在70%以下。我们使用不同搜索引擎的重要原因,就是因为它们能分别搜索到不同的内容。而互联网上有更大量的内容,是搜索引擎无法抓取索引的,也是我们无法用搜索引擎搜索到的。

  你心里应该有这个概念:搜索引擎只能搜到它网页索引数据库里储存的内容。你也应该有这个概念:如果搜索引擎的网页索引数据库里应该有而你没有搜出来,那是你的能力问题,学习搜索技巧可以大幅度提高你的搜索能力
[转自:http://www.seo.org.cn/news_view.asp?id=276]

以求医为例谈搜索引擎排序算法的基础原理

以求医为例谈搜索引擎排序算法的基础原理    (2011-1-27 08:01:02) 标签:    分类:搜索技术   我们向搜索引擎提交一个查询,搜索引擎会从先到后列出大量的结果,...

百度搜索引擎排名原理、因素

搜索引擎排名定义:   在搜索引擎里输入一个关键字,通常得到很多搜索结果,这些搜索结果的排名有先后之分,这就是搜索引擎排名  搜索引擎的排名原理   搜索引擎优化简称SEO,指的是在符合用户友好性及...

搜索引擎原理 – 正排索引、倒排索引以及齐普夫法则

http://www.tinysz.com/36.html 我们在提交一个关键字时,搜索引擎是如何快速定位到包含有此关键字的相关页面的?这就是索引系统的功劳,索引系统负责为关键字和网页建立对...

Google搜索引擎原理

来源:csdn 作者:蝶澈 2007-12-25 22:36 这篇文章中,介绍了google,它是一个大型的搜索引擎(of a large-scale search engine)的原型,搜索引...

搜索引擎原理

   搜索引擎可以分为4个系统:下载系统、分析系统、索引系统和查询系统。前三个是“离线系统”,最后一个是“在线系统”。   下载系统负责从互联网上下载各种类型的网页,并且保持对互联网变化同步。首先是一...

搜索引擎工作原理

在搜索引擎分类部分我们提到过全文搜索引擎从网站提取信息建立网页数据库的概念。搜索引擎的自动信息搜集功能分两种。一种是定期搜索,即每隔一段时间(比如Google一般是28天),搜索引擎主动派出“蜘蛛”程...

搜索引擎基本原理

参考链接 http://toutiao.com/news/6230386103279419905/ 目录 【1】搜索引擎概述 【2】搜索引擎的基础技术 【3】搜索引擎的平台...

以求医为例谈搜索引擎排序算法的基础原理

本文转自百度搜索研发部官方博客 http://stblog.baidu-tech.com/?p=121   我们向搜索引擎提交一个查询,搜索引擎会从先到后列出大量的结果,...

搜索引擎原理简介

搜索引擎可以分为4个系统:下载系统、分析系统、索引系统和查询系统。前三个是“离线系统”,最后一个是“在线系统”。    下载系统负责从互联网上下载各种类型的网页,并且保持对互联网变化同步。首先是...
  • csdwb
  • csdwb
  • 2011年12月18日 18:58
  • 282

搜索引擎基本工作原理

搜索引擎基本工作原理 目录 工作原理 全文搜索引擎 目录索引 百度与谷歌算法区别 编辑本段工作原理   搜索引擎的基本工作原理包括如下三个过程:首先在互联...
  • CSDN515
  • CSDN515
  • 2012年08月16日 00:24
  • 1403
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:搜索引擎原理
举报原因:
原因补充:

(最多只允许输入30个字)