檢索服務

經過搜索引擎的抓取和預處理，形成基礎的檢索數據庫，但是還要經過一系列的檢索過程才能返回符合用戶需求的結果。這就是搜索引擎工作與用戶交互的重要流程，用戶在搜索引擎的界面輸人需要查找的關鍵詞，搜索引擎會對關鍵詞進行過濾和拆分，并查找各詞的網頁文件，找出其中的交集，確定最低排名權重值，對達到標準的網頁文件進行排名計算，并加人影響排名的特殊條件，如懲罰和人工加權等，獲得最終的排名結果返回用戶。這就是完整的檢索過程，檢索完成后，搜索引擎還會繼續工作，那就是利用用戶搜索習慣優化檢索服務。圖2.13所示為一般搜索引擎檢索服務的流程。

1.處理搜索詞

對用戶輸人的搜索詞進行拆分、去噪、調用方式選擇等操作，以確定檢索命令。當搜索引擎接收到用戶提交的搜索詞后，搜索引擎首先會對搜索詞進行拆分(主要是在漢字中)，因為這是和網頁拆分想對應的，所以拆分方式相同。拆分成最優詞組后，過濾掉搜索詞中對搜索結果意義不大的詞，如“啊”“哈”“了”等，以提高搜索結果的準確率，降低檢索時間。一般情況下，這些經過拆分去噪的詞組會使用邏輯“與”，即“+”類型，就是一個網頁中同時含有這些拆分的關鍵詞才是更符合條件的網頁，如“網站優化”的搜索命令就是，調用含有“網站”和“優化”兩個詞的網頁；另外，搜索引擎中還有其他邏輯類型，如邏輯“或”“非”等，“或”就是網頁含有其中一個詞，“非”就是網頁中不含有某詞。搜索引擎能判斷不同組合的搜索詞，確定搜索命令，用于提取出數據庫中符合條件的網頁文件。

例如，用戶搜索“電腦無法啟動了”，搜索引擎就將其拆分為“電腦”“無法”“啟動”“了”，其中“了”并沒有實際意義，或者說對搜索結果的影響不大，而且含有“了”的網頁文件太多，再做篩選的意義不大，因此“了”就會在搜索命令中去掉，但是有時候我們也能看到有“了”的結果，那是因為搜索引擎把“了”和其他詞作為一個詞，而且數據庫中也有此索引。經過過濾形成“電腦”+“無法”+“啟動”的搜索命令，以查詢同時含有這幾個詞的網頁文件。圖2.14所示為百度搜索“電腦無法啟動了”的結果，從結果第3位看出，搜索詞“了”并不單獨作為搜索命令中的一部分，所以過濾單獨篩選命令，另外結果中同時含有“電腦”“無法”“啟動”三個詞。

2.匹配文件范圍

經過處理的搜索命令會在搜索引擎數據庫中進行檢索，并確定符合命令要求的文件，并按照搜索引擎結果顯示規則確定最低權重值，達到最低權重值符合搜索命令的網頁文件就是全部的顯示結果，但是還未排名。

搜索引擎根據搜索命令單個查詢拆分詞的網頁文件，由于是邏輯“+”，因此只有共同含有各個拆分詞的網頁文件會被提取出來，經過第一層篩選出的網頁文件還不能直接參與排名。因為一般用戶搜索的結果至少有幾十萬甚至幾千萬的結果，全部計算排名的話，計算量就非常大，而用戶并不需要查看全部的結果，通常只會瀏覽幾頁的結果，所以搜索引擎一般顯示100頁以內的結果。圖2.15~圖2.17所示分別為百度、谷歌、搜狗的搜索結果頁數，并且都不超過100頁。

由于這個規則，搜索引擎只需要計算出100頁，即最多1000個結果排名就可以了，這樣大大降低了搜索引擎的工作負擔，提高了搜索引擎的反應速度。這時候搜索引擎就需要利用網頁的權重值判斷網頁的重要性，也就是將網頁權重值排名前1000位或更多一點的網頁作為最后參與計算排名的基礎范圍。

3.排名結果

搜索引擎對確定參與排名的網頁文件進行相關性計算，以獲得最終返回給用戶的搜索結果。

搜索結果的排名是搜索引擎工作中最受SEO人員關注的搜索引擎工作原理，因為直接影響網頁的排名次序。影響排名的因素非常多，后面還會具體進行講解，這里只概況搜索引擎大致排名過程。

在搜索結果中，影響網頁排名的有兩個主要因素，內在網頁自身質量因素和外在網頁記錄因素。通常內在網頁質量的判斷多是分析網頁與搜索詞的相關性，如關鍵詞的完全匹配度、關鍵詞出現的位置、關鍵詞的頻率密度、關鍵詞的形式、網頁權重值等。而外在網頁記錄因素多是對網頁外鏈和網頁瀏覽記錄的分析，如外鏈數量、外鏈廣泛度、關鍵詞外鏈、網頁在搜索引擎的單擊記錄等。

通過對網頁排名的計算，已經大致確定了搜索結果的排名，這時候搜索引擎還會對網頁進行懲罰和人工置前。懲罰是通過算法將有作弊嫌疑的網頁進行固定位置的做法，百度的11位懲罰、谷歌負6位懲罰等；而人工置前是對有特殊需求的網頁進行一定的人工排名提高，如官方網站、特殊通道等。經過干預和過濾后，排名結果就會返回給搜索者。

4.檢索優化

通過收集用戶搜索的數據，優化檢索服務，使搜索準確化、個性化、效率化。

在返回搜索結果后，搜索引擎與用戶會繼續進行交互，搜索引擎會提取用戶的IP、搜

索時間、搜索詞、瀏覽的網頁等。通過IP搜索引擎能獲取用戶的地區、根據各地區用戶搜索的內容差別，返回用戶特定地域的排名結果，以及用戶的搜索習慣，返回用戶經常單擊的網頁等；另外根據用戶的單擊記錄，對網頁的排名優化也有一定幫助，用戶單擊更多的搜索結果能得到更好的排名；一般情況下，搜索引擎還會將用戶經常搜索的關鍵詞結果進行緩存，以便其他用戶在搜索時提高結果返回的速度。

搜索引擎主要通過以上4個方面對搜索的結果進行優化，以達到更快更準確地返回結果給用戶，提升用戶體驗。

2.3搜索引擎的分類

隨著互聯網和搜索引擎技術的發展，搜索引擎的種類也越來越豐富。按其工作方式劃分，主要可分為3種，分別是全文搜索引擎、目錄索引搜索引擎和元搜索引擎。按搜索引擎的搜索內容，可分為通用搜索引擎和垂直搜索引擎。搜索引擎還有很多劃分，本節就將對一些不同的搜索引擎進行大致的介紹。