目前主流的搜索引擎按照其功能大致可以分為可劃分為下載、分析、索引、查詢4大系統(tǒng)。其中分析系統(tǒng)在搜索引擎的架構(gòu)中主要承擔了網(wǎng)頁結(jié)構(gòu)化、網(wǎng)頁消重、文本分詞及網(wǎng)頁重要性的計算（例如谷歌的PR）這四項基本任務�？梢哉f，搜索引擎的分析系統(tǒng)在網(wǎng)站排名等方面起著決定性的作用，通過分析搜索引擎的分析系統(tǒng)，可以更好的指導我們進行網(wǎng)站的優(yōu)化工作，在這里，筆者根據(jù)自己的一些見解，

首先，筆者對搜索引擎的分析系統(tǒng)的工作步驟做了簡單的介紹：

第一。讀取Page庫中下載系統(tǒng)通過爬蟲下載到的原始網(wǎng)頁。

第二。通過建立標簽樹并從網(wǎng)頁中抽取有價值的屬性，完成從原始網(wǎng)頁打包成一個網(wǎng)頁對象的過程，即網(wǎng)頁結(jié)構(gòu)化的過程。

第三。丟棄冗余的頁面，僅保留一個相似或相同的網(wǎng)頁傳給分詞模塊，實現(xiàn)網(wǎng)頁消重。

第四。文本分詞模塊將網(wǎng)頁的正文切分成以詞匯為單位的集合。

第五。最后將分析的結(jié)果發(fā)往索引模塊，進行索引入庫。

了解到了搜索引擎的分析系統(tǒng)的工作流程，那么，筆者認為，我們應該針對搜索引擎的分析系統(tǒng)做好以下的優(yōu)化工作。

1.從分析系統(tǒng)的第一步和第二部過程，告訴我們要明確需要保留的信息

網(wǎng)頁是有HTML語言編寫而成是一個半結(jié)構(gòu)化的對象，要將其中有價值的信息，例如標題和正文保留下來，而將無用的信息丟棄，例如HTML標簽，主要是通過網(wǎng)頁結(jié)構(gòu)化，一般來說，TITLE標簽，MEAT標簽，H標簽是搜索引擎認為最重要的網(wǎng)頁信息。比如，針對TITLE標簽，在搜索引擎蜘蛛爬行的過程中，<TITLE>與</TITLE>之間的內(nèi)容往往是蜘蛛們第一個獲取到網(wǎng)頁的文字內(nèi)容。除此之外，錨文本，網(wǎng)頁正文都是有價值的信息，要加以保留和重視。

2.從分析系統(tǒng)的第三步來看，告訴我們要重視網(wǎng)頁的內(nèi)容建設(shè)

網(wǎng)絡中的網(wǎng)頁數(shù)以億計，對海量網(wǎng)頁進行存儲和處理是一項艱巨的任務，而且這些網(wǎng)頁中又包含很多相同或者類似的頁面。所以搜索引擎的分析系統(tǒng)在正式對網(wǎng)頁進行分析之前首先要做的工作就是網(wǎng)頁消重。搜索引擎中把這4種頁面看做是相同或相似的，兩個網(wǎng)頁的內(nèi)容和格式上完全相同、兩個網(wǎng)頁的內(nèi)容完全相同，但格式不同、兩個網(wǎng)頁有部分重要的內(nèi)容相同并且格式相同、兩個網(wǎng)頁有部分重要的內(nèi)容相同，但格式不同。從搜索引擎的分析系統(tǒng)看網(wǎng)站優(yōu)化，可見網(wǎng)頁內(nèi)容的獨特性很重要，所以做好原創(chuàng)是有意義的。

3.從網(wǎng)頁重要性的計算，也就是分析系統(tǒng)的第四五部來看，做好網(wǎng)頁的權(quán)重是很有意義的

在這里，拿谷歌的PR值舉例，它是Google用來標識網(wǎng)頁的等級/重要性。百度也有類似的系統(tǒng)，所以我們應該根據(jù)它們的算法，做好提高網(wǎng)頁重要性的工作，比如導入高質(zhì)量的鏈接，寫一些高質(zhì)量的軟文帶上網(wǎng)頁鏈接并發(fā)布到大型網(wǎng)站，比如提供有價值的網(wǎng)頁內(nèi)容，這些都可以提高網(wǎng)頁的權(quán)重，具體的做法，站長朋友都知道，這里不再詳述。

通過分析搜索引擎的分析系統(tǒng)，我們清楚的知道我們應該如何做好網(wǎng)站優(yōu)化。以上純屬小肖個人的一些觀點，希望能和大家一起討論學習，最后，文章版權(quán)歸屬：廣州人流醫(yī)院 ：http://www.gzrlw.net/，歡迎大家轉(zhuǎn)載，但是請大家轉(zhuǎn)載的時候保留鏈接，謝謝大家的理解和合作！

標簽： 網(wǎng)站優(yōu)化 分詞技術(shù) 搜索引擎算法 

版權(quán)申明：本站文章部分自網(wǎng)絡，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。