检索服务

经过搜索引擎的抓取和预处理，形成基础的检索数据库，但是还要经过一系列的检索过程才能返回符合用户需求的结果。这就是搜索引擎工作与用户交互的重要流程，用户在搜索引擎的界面输人需要查找的关键词，搜索引擎会对关键词进行过滤和拆分，并查找各词的网页文件，找出其中的交集，确定最低排名权重值，对达到标准的网页文件进行排名计算，并加人影响排名的特殊条件，如惩罚和人工加权等，获得最终的排名结果返回用户。这就是完整的检索过程，检索完成后，搜索引擎还会继续工作，那就是利用用户搜索习惯优化检索服务。图2.13所示为一般搜索引擎检索服务的流程。

1.处理搜索词

对用户输人的搜索词进行拆分、去噪、调用方式选择等操作，以确定检索命令。当搜索引擎接收到用户提交的搜索词后，搜索引擎首先会对搜索词进行拆分(主要是在汉字中)，因为这是和网页拆分想对应的，所以拆分方式相同。拆分成最优词组后，过滤掉搜索词中对搜索结果意义不大的词，如“啊”“哈”“了”等，以提高搜索结果的准确率，降低检索时间。一般情况下，这些经过拆分去噪的词组会使用逻辑“与”，即“+”类型，就是一个网页中同时含有这些拆分的关键词才是更符合条件的网页，如“网站优化”的搜索命令就是，调用含有“网站”和“优化”两个词的网页；另外，搜索引擎中还有其他逻辑类型，如逻辑“或”“非”等，“或”就是网页含有其中一个词，“非”就是网页中不含有某词。搜索引擎能判断不同组合的搜索词，确定搜索命令，用于提取出数据库中符合条件的网页文件。

例如，用户搜索“电脑无法启动了”，搜索引擎就将其拆分为“电脑”“无法”“启动”“了”，其中“了”并没有实际意义，或者说对搜索结果的影响不大，而且含有“了”的网页文件太多，再做筛选的意义不大，因此“了”就会在搜索命令中去掉，但是有时候我们也能看到有“了”的结果，那是因为搜索引擎把“了”和其他词作为一个词，而且数据库中也有此索引。经过过滤形成“电脑”+“无法”+“启动”的搜索命令，以查询同时含有这几个词的网页文件。图2.14所示为百度搜索“电脑无法启动了”的结果，从结果第3位看出，搜索词“了”并不单独作为搜索命令中的一部分，所以过滤单独筛选命令，另外结果中同时含有“电脑”“无法”“启动”三个词。

2.匹配文件范围

经过处理的搜索命令会在搜索引擎数据库中进行检索，并确定符合命令要求的文件，并按照搜索引擎结果显示规则确定最低权重值，达到最低权重值符合搜索命令的网页文件就是全部的显示结果，但是还未排名。

搜索引擎根据搜索命令单个查询拆分词的网页文件，由于是逻辑“+”，因此只有共同含有各个拆分词的网页文件会被提取出来，经过第一层筛选出的网页文件还不能直接参与排名。因为一般用户搜索的结果至少有几十万甚至几千万的结果，全部计算排名的话，计算量就非常大，而用户并不需要查看全部的结果，通常只会浏览几页的结果，所以搜索引擎一般显示100页以内的结果。图2.15~图2.17所示分别为百度、谷歌、搜狗的搜索结果页数，并且都不超过100页。

由于这个规则，搜索引擎只需要计算出100页，即最多1000个结果排名就可以了，这样大大降低了搜索引擎的工作负担，提高了搜索引擎的反应速度。这时候搜索引擎就需要利用网页的权重值判断网页的重要性，也就是将网页权重值排名前1000位或更多一点的网页作为最后参与计算排名的基础范围。

3.排名结果

搜索引擎对确定参与排名的网页文件进行相关性计算，以获得最终返回给用户的搜索结果。

搜索结果的排名是搜索引擎工作中最受SEO人员关注的搜索引擎工作原理，因为直接影响网页的排名次序。影响排名的因素非常多，后面还会具体进行讲解，这里只概况搜索引擎大致排名过程。

在搜索结果中，影响网页排名的有两个主要因素，内在网页自身质量因素和外在网页记录因素。通常内在网页质量的判断多是分析网页与搜索词的相关性，如关键词的完全匹配度、关键词出现的位置、关键词的频率密度、关键词的形式、网页权重值等。而外在网页记录因素多是对网页外链和网页浏览记录的分析，如外链数量、外链广泛度、关键词外链、网页在搜索引擎的单击记录等。

通过对网页排名的计算，已经大致确定了搜索结果的排名，这时候搜索引擎还会对网页进行惩罚和人工置前。惩罚是通过算法将有作弊嫌疑的网页进行固定位置的做法，百度的11位惩罚、谷歌负6位惩罚等；而人工置前是对有特殊需求的网页进行一定的人工排名提高，如官方网站、特殊通道等。经过干预和过滤后，排名结果就会返回给搜索者。

4.检索优化

通过收集用户搜索的数据，优化检索服务，使搜索准确化、个性化、效率化。

在返回搜索结果后，搜索引擎与用户会继续进行交互，搜索引擎会提取用户的IP、搜

索时间、搜索词、浏览的网页等。通过IP搜索引擎能获取用户的地区、根据各地区用户搜索的内容差别，返回用户特定地域的排名结果，以及用户的搜索习惯，返回用户经常单击的网页等；另外根据用户的单击记录，对网页的排名优化也有一定帮助，用户单击更多的搜索结果能得到更好的排名；一般情况下，搜索引擎还会将用户经常搜索的关键词结果进行缓存，以便其他用户在搜索时提高结果返回的速度。

搜索引擎主要通过以上4个方面对搜索的结果进行优化，以达到更快更准确地返回结果给用户，提升用户体验。

2.3搜索引擎的分类

随着互联网和搜索引擎技术的发展，搜索引擎的种类也越来越丰富。按其工作方式划分，主要可分为3种，分别是全文搜索引擎、目录索引搜索引擎和元搜索引擎。按搜索引擎的搜索内容，可分为通用搜索引擎和垂直搜索引擎。搜索引擎还有很多划分，本节就将对一些不同的搜索引擎进行大致的介绍。