最近在思考有關(guān)搜索引擎排序的一些內(nèi)容，有一些不成熟的想法，拿出來分享討論。

　　搜索引擎在頁面爬行，正文內(nèi)容提取，分詞建立倒排索引以后，將對(duì)檢索關(guān)鍵字進(jìn)行分詞，并提取出詞性為名詞，字符串等比較重要的詞到分詞索引庫取交集，即會(huì)得到一個(gè)包含具備基本相關(guān)度的頁面文件集合，之后將會(huì)進(jìn)入頁面排序部分。

　　在頁面排序部分，有兩個(gè)部分是特別重要的，一個(gè)是頁面在搜索引擎里面的權(quán)重分?jǐn)?shù)，還有一個(gè)是重要詞性的分詞出現(xiàn)在頁面的位置(標(biāo)題，有效正文的最開始區(qū)域等)，我認(rèn)為這兩個(gè)部分的分?jǐn)?shù)基本上決定了大體的排名位置，其中頁面的權(quán)重分?jǐn)?shù)所占的比例會(huì)更多(偏向于認(rèn)為是最大，并且比其他因素都大很多)，檢索詞的其他詞性如形容詞，介詞等分詞的完整匹配出現(xiàn)會(huì)獲得一小部分的加分。

　　頁面的權(quán)重分?jǐn)?shù)在不同的搜索引擎傾向會(huì)有明顯的不同，總體來說，都和鏈接關(guān)系密切相關(guān)，鏈接關(guān)系分為相關(guān)性有效鏈接(導(dǎo)出鏈接的網(wǎng)站內(nèi)容，錨文本，目標(biāo)網(wǎng)站高度相關(guān))和高信任度鏈接(來自大網(wǎng)站，gov,edu等高PR值網(wǎng)站)，這兩種鏈接具體可以參考Hilltop算法和Trustrank算法，其中Hilltop算法想法非常有趣，在該算法的一個(gè)專利版本里面提到了對(duì)最初的搜索結(jié)果頁面集合再次進(jìn)行鏈接關(guān)系相關(guān)性計(jì)算，以進(jìn)一步精確在該檢索詞范圍權(quán)重最高的頁面。

　　頁面權(quán)重分?jǐn)?shù)還會(huì)涉及到域名的建站時(shí)間因素(這里我認(rèn)為不僅僅是因?yàn)殒溄哟嬖诘臅r(shí)間因素)，在百度的算法里，主域名的權(quán)重對(duì)子域名和頁面的權(quán)重影響也會(huì)比谷歌大很多。

　　在這些步驟完成后，會(huì)進(jìn)入最后一個(gè)反作弊模塊，處理掉那些作弊積分超過一定程度的頁面以及在沙盒里的頁面，然后得到最終的排序結(jié)果。

　　在考慮這個(gè)搜索引擎排序算法的時(shí)候，基本上就可以確定大部分的頁面是沒有機(jī)會(huì)在搜索引擎里面獲得展出的，這是因?yàn)闄?quán)重在搜索引擎的算法里占有高度優(yōu)先級(jí)的原因。

　　在可以獲得的數(shù)據(jù)里，我認(rèn)為曾經(jīng)的谷歌PR值是最接近能反映頁面權(quán)重的數(shù)據(jù)，雖然已經(jīng)停止更新一年了。愛站，CHINAZ等第三方網(wǎng)站提供的百度權(quán)重是基于從百度引導(dǎo)過去的流量為標(biāo)準(zhǔn)進(jìn)行計(jì)算的結(jié)果，雖然能一定程度反應(yīng)域名的權(quán)重，不過這種以結(jié)果論的方式來說明問題不太準(zhǔn)確，以提高頁面權(quán)重的目標(biāo)來說，這些第三方數(shù)據(jù)不能作為標(biāo)準(zhǔn)。

　　因此，做網(wǎng)站不應(yīng)該是追求大量采集內(nèi)容(就像許多人拼命來采集谷粉搜搜的內(nèi)容一樣)，或者勤于天天更新簡(jiǎn)單的原創(chuàng)，采集的內(nèi)容和簡(jiǎn)單的原創(chuàng)如果沒有人分享，不能吸引高質(zhì)量的鏈接，頁面的權(quán)重就不會(huì)上升，就得不到排名的機(jī)會(huì)，同樣也吸引不了用戶。

　　因此，做網(wǎng)站應(yīng)該更新有價(jià)值的原創(chuàng)，能夠吸引來自許多網(wǎng)站的正文相關(guān)鏈接，或者做出有價(jià)值的工具網(wǎng)站讓更多人使用分享，獲得許多高信任度的鏈接，只有這樣，在搜索引擎排序最重要的權(quán)重分?jǐn)?shù)排序階段，獲得更多機(jī)會(huì)。