百度搜索引擎检索系统工作原理

点击: 分类:百度seo

前面简要介绍过了搜索引擎的索引系统,实际上在建立倒排索引的最后还需要有一个入库写库的过程,而为了提高效率这个过程还需要将全部term以及偏移量保存在文件头部,并且对数据进行压缩,这涉及到的过于技术化在此就不多提了。今天简要给大家介绍一下索引之后的检索系统。

检索系统主要包含了五个部分,如下图所示:


(1)Query串切词分词即将用户的查询词进行分词,对之后的查询做准备,以“10号线地铁故障”为例,可能的分词如下(同义词问题暂时略过):

10 0x123abc

号 0x13445d

线 0x234d

地铁 0x145cf

故障 0x354df

(2)查出含每个term的文档集合,即找出待选集合,如下:

0x123abc 1 2 3 4 7 9…..

0x13445d 2 5 8 9 10 11……

……

……


(3)求交,上述求交,文档2和文档9可能是我们需要找的,整个求交过程实际上关系着整个系统的性能,这里面包含了使用缓存等等手段进行性能优化;

(4)各种过滤,举例可能包含过滤掉死链、重复数据、色情、垃圾结果以及你懂的;

(5)最终排序,将最能满足用户需求的结果排序在最前,可能包括的有用信息如:网站的整体评价、网页质量、内容质量、资源质量、匹配程度、分散度、时效性等等,之后会详细给大家介绍。


本文版权归本站所有,未经允许,禁止转载本站内容。

相关内容

  1. 百度搜索引擎官方网页质量白皮书
  2. 百度搜索结果LOGO出图优化,站点Logo权限获取
  3. 百度站点与主体关联教程
  4. 百度搜索结果中出图尺寸要求
  5. 百度蜘蛛抓取网页时网站服务器需要在一秒内给蜘蛛返回内容
  6. 百度搜索引擎检索系统工作原理
  7. 百度搜索引擎抓取原理
  8. 百度seo怎么做
  9. 除了用户体验还可以做百度搜索引擎体验优化
  10. 百度排名问题可以向百度站长资源平台反馈
  11. 十个与百度惩罚有关的操作
  12. 百度是如何判断网页内容是否优质的
  13. 网页从百度消失是什么原因

上一篇: 百度蜘蛛抓取网页时网站服务器需要在一秒内给蜘蛛返回内容

下一篇: 百度搜索引擎抓取原理