seo课程搜索引擎.ppt
《seo课程搜索引擎.ppt》由会员分享,可在线阅读,更多相关《seo课程搜索引擎.ppt(83页珍藏版)》请在三一文库上搜索。
1、搜索引擎,提纲,搜索引擎的发展简史 搜索引擎的分类 使用搜索引擎 搜索引擎的基本原理 第一次上机总结 搜索经济 搜索引擎的未来发展趋势,回顾,搜索引擎分类 搜索引擎使用 与 或 非 强制搜索,目录搜索引擎,以人工方式或半自动方式搜集信息 信息准确、导航质量 缺点是需要人工介入、维护量大、信息量少、信息更新不及时,机器人搜索引擎,由一个称为蜘蛛(Spider)的机器人程序自动搜索信息 优点:信息量大、更新及时、无需人工干预 缺点:返回信息过多,有很多无用信息。,元搜索引擎,利用其他搜索引擎返回统一的搜索结果。 返回信息量更大、更全。 缺点是不能充分使用所有搜索引擎的功能,Google基本搜索,基
2、本搜索方法逻辑“与”、“非”、“或”,即+,-,OR 1.与操作:搜索结果要求包括两个及两个以上关键字。 关键字之间用空格。 2.非操作:搜索结果要求不包含某些特定信息。在排除的关键词前加-,英文字符,-号前空格,后面不能有空格。 3.或操作:搜索结果至少包含多个关键字中的任意一个 关键字之间用“OR”表示,OR必须用大写。 GOOGLE不支持通配符,关键字中的“*”或“?”会被忽略。 GOOGLE对英文字符大小写不敏感。 GOOGLE用句子做关键字,必须加英文引号。,google强制搜索,Google对一些网路上出现频率极高的英文单词,如“i”、“com”、“www”等,以及一些符号如“*”
3、、“.”等,作忽略处理. 搜索:www的历史 internet 结果:因为使用过于频繁,没有被列入搜索范围: www 的 强制搜索的方法是把关键字用英文双引号引起来. 搜索:“www的历史“ internet” 结果:已搜索有关“www的历史“ internet的网页. 注意:大部分常用英文符号(如问号,句号,逗号等)无法成为搜索关键字,加强制也不行.,Google限定搜索,Site表示搜索结果局限于某个具体网站或者网站频道 Link返回所有链接到某个URL地址的网页 Inurl返回的网页链接中包含第一个关键字,后面的关键字则出现在链接中或者网页文档中。 Intitle语法返回的网页标题中包含
4、第一个关键词,后面的关键词则出现在链接中或者网页文档中。 filetype在某一类文件中查找信息。,作业情况,从用户的角度看搜索引擎,搜的快,搜的全,搜的准 功能多,好用,好看,搜的快,搜的全,功能多,好用,好看,北大天网,4 搜索引擎的基本原理,-,搜索引擎工作原理,搜索引擎三段式工作流程,搜集 批量搜集,增量式搜集;搜集目标,搜集策略 预处理 关键词提取;重复网页消除;链接分析;索引 服务 查询方式和匹配;结果排序;文档摘要,搜集,整理,服务,搜索引擎系统的体系结构,网页搜集,网页数据库的基本策略: 1)定期搜集: 2)增量搜集: 网页的抓取策略: 1)“爬取”策略: 2)维护URL:,“
5、爬取”策略,将Web看作是一个有向图,搜集过程从给定的起始url集合S开始,沿着网页中的链接,按照一定的策略(先深/先宽/others)遍历。 这个过程象蜘蛛(spider)在蜘蛛网(Web)上爬行,维护URL,系统进行第一次全面的网页搜集之后,维护相应的URL集合,以后的搜索基于此集合。 每搜到一个网页,如果它发生变化并有新的URL,就将新URL也放到集合中。,人工添加,网站拥有者主动向搜索引擎提交自己的网址 系统在一定时间内定向向那些网站派出“蜘蛛”程序,扫描并收集有关信息。,存储网页,搜集到的网页将存储到知识库(repository)中。 知识库包含每个网页的docID,长度,URL以及
6、网页的全部HTML。 由于网页数量会很多,所以,网页在存入知识库时要进行压缩处理。,预处理,关键词的提取 重复或转载网页的消除 链接分析 网页重要程度的计算,关键词的提取,什么是倒排文件(inverted file)? 需要从网页源文件中提取出能够代表它的内容的一些特征,而关键词就是这种特征最好的代表。 其中涉及到英文的分词和中文的分词。 对一篇网页来说,有效的词语数量一般是200左右。,链接分析,链接是分析网页重要的信息 1.链接描述文字准确的反映了网页的内容 2.网页之间的链接关系,反映了网页的重要程度(PageRank Google),网页重要程度计算,PageRank(Google)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- seo 课程 搜索引擎
链接地址:https://www.31doc.com/p-3526789.html