什么是搜索引擎的预处理及方法

发布时间：2012-08-16 18:46:53作者：知识屋

1）关键词的提取与切词，（方法：站长工具中的机器人模拟得到所有文字，在网上找一个模拟切词工具）
切词：用空格，逗号，_将网站的正文切词，并过滤掉字符，然后记录关键词的个数，关键词/总共切出来的词=网站关键词密度。
2）去除噪音：和网页主题没有任何关联或者意义，都是当做噪音板块去除掉，利于搜索引擎提取网站主题内容。
3）去除停止词：例如，是，的，呢等语气词，不能表达网站的意义叫做停止词，SEO会把它给过滤掉。
4）镜像网页的消除：完全一样的网页，通常是“采集”，百度不会收录，不会建立快照。
5）转载：导致网站降权最主要原因，转载（伪原创）被SEO认为是近似镜像网页。伪原创方式：用打乱段落，更改为近义词等方式来改变原创文章。SEO经过多次计算会将伪原创过滤出来，SEO开始检查的时候用很简单算法过滤掉采集等，再利用比较高层次的算法过滤掉伪原创，一次一次过滤掉之后剩下原创文章。
6）链接分析：记录链接位置，相关性，锚文本。此链接和本网页主题是否相关，如果不相关，SEO认为这个链接是无效的，或者将这个链接的权重降低，不过数量可以达到质量。用于计算你网页的权重。
7）网页重要度计算：网站被引用的多就是重要的，SEO会给相关引用页进行加分，通过反复计算得出此网页的总分，供网页排名用。
8）建立索引
正派索引：建立页面到关键词，就是页面中有多少关键词。
互联网中网页量很多，关键词是有限的，高效的查询方式是查询一个关键词包含的网页。
倒排索引：建立关键词到页面的关系，有多少个网页包含这个关键词。
总结：尽量自己思考，自己总结技巧，任何网站优化技巧在互联网上泛滥起来，SEO就会认为是对自己的威胁，那样它就会改变算法，从而导致此网站优化的技巧的实效。搜索引擎会加入好多的算法，用于过滤网页。

（免责声明：文章内容如涉及作品内容、版权和其它问题，请及时与我们联系，我们将在第一时间删除内容，文章内容仅供参考）