search engin学习笔记1

本文讨论搜索引擎对搜索结果排名的基本思路。

1. 搜索引擎分成两大类，主题搜索和web搜索。主题搜索是由搜索引擎提供方对世界上的主要网站进行分类整理，以一个层次化的主题分类结构提供给用户查询。最好的提供商以前是Yahoo，现在是Open Directory Project（ODP）。现在Google已经完全停止了这类服务，并在相应网页上提供了ODP的链接，同时声明，Google相信web搜索是最好搜索技术。

2. Web搜索排名最开始是参考关键字在网页中的出现频率。

优点：假如一个关键字在某个网页中出现多次，那么可以假设该网页跟这个关键字关系度很高。

缺点：没有语境限定的关键字的意义很广泛（降低准确度）；有些相关文章使用的是近义词（或者关键词是主题时，出现频率并不高），而不是关键词本身（降低完备性）。

3. 改进一：组合关键词，即使用逻辑组合操作多种关键词（还可以由用户指定各关键词的权重）

4. 改进二：根据文本习惯，给予特定域的词更多权重，比如标题、摘要，正文第一段

5. 改进三：根据网页的被链接次数（假设被别人重视的网页，也应该获得你的重视）

6. 改进四：利用html中元数据标签，由站长指定文本的关键词

参考：

http://www.monash.com/spidap4.html