seo技術(shù)：搜索引擎檢索算法（專利知識分享）

潮人地東莞seo博客小編下面跟大家分享關(guān)于seo技術(shù)：搜索引擎檢索算法（專利知識分享）等問題，希望seo專員在做seo優(yōu)化的過程中有所幫助，內(nèi)容僅供參考。

淺析2022搜索引擎的幾個核心算法和專利解釋，事實上搜索引擎算法是非常多的，除了一些算法公布，還有一些算法是內(nèi)部機密，我們作為 seo 人員需要知道盡可能多的關(guān)于搜索引擎算法。

你知道搜索引擎有什么算法嗎？之前我們學習了搜索引擎的基本操作原理。搜索引擎的原理是在搜索引擎算法的框架內(nèi)運行，而關(guān)鍵詞排序的真正影響是搜索引擎算法，已發(fā)表的搜索引擎算法只是搜索引擎系統(tǒng)的一個缺陷修復。

其實搜索引擎除了已公開的算法，還有很多未公開的內(nèi)部保密算法，我們作為SEO人員只需簡單了解搜索引擎算法就行了，找出一些規(guī)律供我們使用，了解搜索引擎算法也不是為了作弊，而是為了更好的為用戶提供優(yōu)質(zhì)的內(nèi)容，提升網(wǎng)站對搜索引擎的友好度，下面主要來給大家講講搜索引擎最重要的兩個核心算法，作為SEO人員必須要對以下兩種算法有基本的了解。

seo博客相關(guān)推薦閱讀：seo技術(shù)：網(wǎng)站SEO如何做

每個搜索引擎平臺都有自己的算法，不知道大家平時是否有研究搜索引擎算法的習慣，互聯(lián)網(wǎng)seo搜索排名項目怎么做例如百度、谷歌google、搜狗、360搜索、bing必應等這些搜索引擎平臺的算法，那么如何研究搜索引擎算法了？例如我們可以通過網(wǎng)站實驗進行研究，也可以研究搜索引擎已公布的算法規(guī)則，不管是什么搜索引擎，都有首自己一套獨立的核心算法體系，主要作用是對網(wǎng)頁文本識別和詞頻分析。

也許有的人站長會有這樣的疑問，為什么同個關(guān)鍵詞在不同的搜索平臺排名是不一樣的呢？其實這種問題確實是比較常見的，雖然所有搜索引擎運行原理大致是一樣的，但不同的搜索引擎平臺的核心算法是不一樣的，所以也就出現(xiàn)了同個關(guān)鍵詞不同的搜索平臺排名不一樣的結(jié)果。

我們有時候看到搜索引擎經(jīng)常發(fā)布更新算法，其實這些算法都是搜索引擎的一些小算法，主要作用是對搜索引擎系統(tǒng)的完善與修復，還有就是提醒站長，對網(wǎng)站這塊不合格的地方盡快改正，否則將會對這塊地方進行打擊，目前百度搜索引擎公布的小算法有颶風算法、細雨算法、藍天算法等，360公布的算法有悟空算法和哪吒算法。

任何搜索引擎都是基于這兩種算法，一種是TF-IDF算法，另一種為BM25算法。

TF-IDF算法是一種關(guān)于網(wǎng)頁文本的算法，任何搜索引擎平臺都是對于網(wǎng)頁文字內(nèi)容的識別，抓取你的網(wǎng)站鏈接，分析你網(wǎng)站文本內(nèi)容，計算網(wǎng)站關(guān)鍵詞的相關(guān)性及頻率，這些都是基本TF-IDF文本算法，這種算法不適用普通人研究，只適合于科學家研究，我們普通人沒有必要深入研究它，因這個算法真的是超級燒腦，我們只面要進行初步了解，對搜索引擎算法有更深一步的認識就行了。

TF-IDF（term frequency–inverse document frequency）是一種用于信息檢索與數(shù)據(jù)挖掘的常用加權(quán)技術(shù)，看上去雖然有點高大小，但其實就是一種統(tǒng)計方法。

TF-IDF是一種統(tǒng)計方法，用以評估一字詞對于一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正比增加，但同時會隨著它在語料庫中出現(xiàn)的頻率成反比下降。

解釋：意思是一個字或詞語在一篇文章中的占比程度，哪些更重要，哪些不重要，字詞的重要性簡單地講指的就是詞頻，增加這個字或詞的頻率，搜索引擎也就是基于這個對文章內(nèi)容進行識別的。

TF-IDF是一種網(wǎng)頁文字統(tǒng)計方法，用以評估某個關(guān)鍵詞對于一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正比增加，但同時會隨著它在語料庫中出現(xiàn)的頻率成反比下降。TF-IDF加權(quán)的各種形式常被搜索引擎應用，作為文件與用戶查詢之間相關(guān)程度的度量或評級。

可以幫助搜索引擎計算此文章頁面字或詞頻，詞頻高則認為這個字或詞很重要，自然給你的得分就會高，如果這個字或詞頻率低，那么此頁頁得分就會低，大家也可以根據(jù)以下TF-IDF公式進行理解:

以上公式主要針對計算文章頁面字或詞出現(xiàn)頻率的解讀，通過這個公式進行羅列，百度搜索和谷搜索都在用TF-IDF算法，下面大兵大家進行相應的解讀。

逆向文件頻率（Inverse document frequency,IDF）IDF的主要思想是：如果包含詞條文檔越少，IDF越大，則說明詞條具有很好的類別區(qū)分能力，某一特定詞語的IDF，可以由總文件數(shù)目以包含該詞語之件的數(shù)目，再將得到的商取對數(shù)得到。

TF-IDF加權(quán)的各種形式常被搜索引擎應用，作為文件與用戶查詢之間的相關(guān)程度的度量或評級，除了TF-IDF以外，因特網(wǎng)上的搜索引擎還會使用基于連結(jié)分析評級方法，以確定文件在搜尋結(jié)果中出現(xiàn)的順序。

某一特定文件內(nèi)的高詞語頻率，以及該詞語在整個文件集合中的低文件頻率，可以產(chǎn)生出高權(quán)重的TF-IDF。因此，TF-IDF傾向于過濾常見的詞語，保留重要的詞語。

和道了“詞頻”和“逆文檔頻率”（IDF）以后，將這兩個值相乘，就得到了一個詞的TF-IDF值，某個詞對文章的重要性越高，它的TF-IDF值就越大，所以，排在最前面的幾個詞，就是這篇文章的關(guān)鍵詞。

下面就是這個算法的簡單分享。

第一步、計算詞頻

第二步、計算逆文檔頻率

如果一個詞越常見，那么分母就越大，逆文檔頻率就越小越接近0，分母之所以要加1，是為了避免分母為0（即所有文檔都不包含該詞）。logo表示對得到的值取對數(shù)。

第三步、計算TF-IDF

一個詞語在一篇文章中出現(xiàn)的次數(shù)越多，同時在所有文檔中出現(xiàn)的次數(shù)越少，越能夠代表該文章，這也是就是TF-IDF的含義。

關(guān)于“TF-IDF算法”原理詳細解答，點擊《TF-IDF算法解釋,TF-IDF算法原理及公式》看這篇文章。

有些站長看了以上TF-IDF算法原理的介紹，覺得既然文章內(nèi)容中關(guān)鍵詞的詞頻越高排名越好，那是不是可以向文章內(nèi)容中加入大量的關(guān)鍵詞，提高該關(guān)鍵詞在該文章的密度呢？對于這種問題搜索引擎就推出了第二種算法BM25算法，主要針對的就是大家提出的關(guān)鍵詞密度問題，下面一起來看看。

BM25算法其實是TFIDF相關(guān)性的升級版本，既然是關(guān)鍵詞在文章中出現(xiàn)的頻率越高排名越好，這就會導致大量站長作弊，例如在一篇文章中插入大量的關(guān)鍵詞，提高該關(guān)鍵詞在文章出現(xiàn)的頻率，其實這種操作方法是正確的。

人為故意增加關(guān)鍵詞出現(xiàn)的頻率屬于作弊優(yōu)化方法，于是搜索引擎就推出了BM25算法，對你文章內(nèi)容中關(guān)鍵詞的詞頻進行二次審核，審核文章內(nèi)容中出現(xiàn)的高頻關(guān)鍵詞是否與文章具有相關(guān)性，例如文章出現(xiàn)的高頻關(guān)鍵詞與文章主題不相關(guān)，也不相匹配，那么搜索引擎就會判斷這篇文章內(nèi)容為作弊的文章，由此可見人為增加文章內(nèi)容中關(guān)鍵詞頻率的方法是錯誤的。

以上搜索核心算法較深奧，適合做搜索算法研究和工具工發(fā)類站長研究，seo站長們可作為課外資料學習了解，不需要深究。

搜索算法是搜索引擎內(nèi)部核心運作的一個系統(tǒng)，我們可以通過搜索引擎官方發(fā)布的一些專利去研究解讀搜索引擎專利技術(shù)，研究出來對我們SEO搜索排名有哪些幫助，這個我們也是需要進行了解的。

雖然搜索專利技術(shù)的多少代表著搜索引擎公司的核心市場競爭力，搜索專利越多意味著他們掌握著搜索核心技術(shù)越多，一個做搜索引擎公司的技術(shù)如何，我們看這個搜索引擎公司有多少搜索專利技術(shù)就知道了。

我們通過研究搜索引擎的專利技術(shù)，可幫助我們更好的了解搜索引擎，從而幫助我們實現(xiàn)更好的SEO效果。

百度搜索大概有70多個搜索專利技術(shù)，下面我們給大家解讀幾個重點的搜索專利技術(shù)。

前面我們說過一篇網(wǎng)頁可以通過詞頻獲得更高的得分，從而獲得網(wǎng)頁關(guān)鍵詞排序的優(yōu)先權(quán)，那么百度搜索引擎如何知道詞頻內(nèi)容是不是我們特意加的呢？關(guān)于這個問題百度就發(fā)明了以下這個專利技術(shù)。

本發(fā)明提出一種對話內(nèi)容連貫性的判斷方法，包括：將上文語句輸入至語句生成模型中，生成下文語句：

計算每個上文語句與當前語句之間的相似度，以構(gòu)建第一相似度矩陣；

計算每個下文語句與當前語句之間的相似度，以構(gòu)建第二相似度矩陣；

將第一相似度矩陣和第二相似度矩陣分別輸入至連貫性判別模型中，生成當前語句的連貫性特征參數(shù)，連貫性判別模型是基于神經(jīng)網(wǎng)絡構(gòu)建的。利用連貫性判別模型和語句生成模型相結(jié)合的方式，來解決對話內(nèi)容連續(xù)性問題,可以從語義的維度比對兩個句子的連貫性，推送給用戶回復連貫性且優(yōu)質(zhì)的回復。本發(fā)明還提供seo排名 惠大麥了一種對話內(nèi)容連貫性的判斷裝置以及設備。

（1）“本發(fā)明提出一種對話內(nèi)容連貫性的判斷方法”

解讀：意思是判斷你網(wǎng)頁內(nèi)容是否連貫，對于這個搜索引擎是有一套專業(yè)的搜索算法能夠發(fā)現(xiàn)識別你的網(wǎng)頁內(nèi)容是否連貫，例如你的網(wǎng)頁內(nèi)容上部分講的是“紅燒肉如何做”，而下部分內(nèi)容卻講的是“女人如何穿搭衣服才更好看”，這樣的內(nèi)容就屬于典型的上下內(nèi)容不連貫不相關(guān)。

（2）“計算每個上文語句與當前語句之間的相似度，以構(gòu)建第一相似度矩陣；計算每個下文語句與當前語句之間的相似度，以構(gòu)建第二相似度矩陣；將第一相似度矩陣和第二相似度矩陣分別輸入至連貫性判別模型中，生成當前語句的連貫性特征參數(shù)”這代表的意思是什么呢？

解讀：搜索引擎截取你網(wǎng)頁內(nèi)容第一段，再截取你網(wǎng)頁內(nèi)容第二段，兩段內(nèi)容進行相似度的對比，生成一個特征碼，再用這個特征碼進行判斷文章內(nèi)容之間是否存在關(guān)聯(lián)性。

本發(fā)明專利公開了一種網(wǎng)頁重復判斷系統(tǒng)及判斷方法。該判斷方法步驟是：先提取網(wǎng)頁正文內(nèi)容；從網(wǎng)頁正文中提取一個或多個句子，并根據(jù)一個或多個句子計算網(wǎng)頁正文句子簽名；根據(jù)網(wǎng)頁正文句子簽名對多個網(wǎng)頁進行聚類；針對每一類下的網(wǎng)頁，計算網(wǎng)頁的附加簽名；根據(jù)附加簽名判斷每一類下的網(wǎng)頁是否重復。通過上述方式，網(wǎng)頁重復判斷系統(tǒng)及判斷方法利用網(wǎng)頁正文句子簽名在內(nèi)的多維度簽名有效且快速地判斷網(wǎng)頁是否有重復。

解讀：搜索引擎系統(tǒng)會提取網(wǎng)頁正文內(nèi)容，分析每個網(wǎng)頁中的一個或多個句子找到其規(guī)律計算網(wǎng)頁正文句子簽名，并且這個簽名內(nèi)容是全網(wǎng)唯一的，如果你的這個簽名在全網(wǎng)內(nèi)容中出現(xiàn)的頻率高，意味著這個網(wǎng)頁內(nèi)容是重復的，如果你的這個簽名重復率不高，則意味著這個網(wǎng)頁內(nèi)容是原創(chuàng)不重復的，因此搜索引擎系統(tǒng)只需要判斷網(wǎng)頁簽名內(nèi)容的頻率，頻率越高內(nèi)容重復度越高，頻率越低內(nèi)容重復度就越低。

可以簡單理解為網(wǎng)頁簽名內(nèi)容頻率越高，內(nèi)容質(zhì)量越低，網(wǎng)頁關(guān)鍵詞排名就越差，反之關(guān)鍵詞排名就越好。

以上就是大兵對于這條搜索專利技術(shù)簡單的理解，具體如何實現(xiàn)的，可參考如下這張圖。

網(wǎng)頁內(nèi)容重復的判斷系統(tǒng)已經(jīng)是自動化運作了，如果你從A網(wǎng)站復制一段內(nèi)容，B網(wǎng)站復制一段內(nèi)容進行拼湊成一篇內(nèi)容，這樣的內(nèi)容算不算高質(zhì)量內(nèi)容呢？其實無論你再如何拼湊，搜索引擎系統(tǒng)對網(wǎng)站內(nèi)容的簽名是改變不了的，搜索系統(tǒng)根據(jù)你的網(wǎng)頁簽名內(nèi)容對比搜索引擎索引庫內(nèi)容進行對比，發(fā)現(xiàn)你的內(nèi)容還是重復的，因為搜索引擎簽名內(nèi)容是不會變的。

現(xiàn)在靠采集抄襲別人網(wǎng)站內(nèi)容，來達到排名目已經(jīng)很難實現(xiàn)了。

本搜索專利技術(shù)用于處理異常點擊行為數(shù)據(jù)的方法、裝置、電子設備和計算機可讀介質(zhì)，該方法具體實施方式包括：獲取預設類別點擊行為數(shù)據(jù)，點擊行為數(shù)據(jù)包括點擊頁面地址及執(zhí)行點擊操作的設備標識，對預設類別的點擊行為數(shù)據(jù)進行建模，生成設備標識與點擊頁面的地址之間的點擊關(guān)系的模型，基于關(guān)系模型對設備標識和頁面地址進行聚類，得到至少一個類簇，基于獲取到的對至少一個類簇的搜索引擎優(yōu)化行為檢測結(jié)果，生成至少一個類簇中頁面的搜索引擎優(yōu)化行為的類別信息。該實施方式實現(xiàn)了頁面的搜索引擎優(yōu)化行為的檢測，并且能夠提升搜索引擎優(yōu)化行為檢測的效率。

解讀：早在2018年就有很多站長利用所謂快排技術(shù)，以虛擬點擊方式增加網(wǎng)頁虛擬點擊及虛擬流量ip，試圖通過點擊的方式為網(wǎng)站帶來虛擬流量，針對這種黑帽操作方法搜索引擎于是就發(fā)明了“用于處理點擊行為數(shù)據(jù)的方法和裝置”的搜索專利技術(shù)，利用這個搜索專利技術(shù)靠虛擬點擊模擬人工點擊是可進行識別出來的。

該搜索專利技術(shù)具體運行原理如下圖所示：

先獲得正常用戶點擊的行為數(shù)據(jù)，然后對這些數(shù)據(jù)進行建模，生成一個特征設備標識，當下次網(wǎng)站點擊行為與正常用戶點擊行為數(shù)據(jù)模型不一樣的時候，系統(tǒng)就會判斷你的網(wǎng)站可能存在一種非正常用山南網(wǎng)站seo優(yōu)化排名戶點擊行為，例如你的網(wǎng)站正常流量為100IP，突然暴增到10000IP，此時系統(tǒng)就會判斷你的網(wǎng)站流量暴增是不符合正常規(guī)律的，是存在惡意非人工的點擊行為，系統(tǒng)會對你近期的流量數(shù)據(jù)與原始行為數(shù)據(jù)進行對比，找出你是不是通過點擊算法作弊來實現(xiàn)你網(wǎng)站流量的暴增，搜索引擎系統(tǒng)會對這些點擊行為數(shù)據(jù)進行分析，這些數(shù)據(jù)搜索引擎系統(tǒng)都可以進行判斷識別的，因此你認為現(xiàn)在通過虛擬用戶點擊行為來達到關(guān)鍵詞排名目的還可以行嗎？

自2019年開始，黑帽優(yōu)化站點陸續(xù)都被搜索引擎懲罰了，搞快排、買IP，買PV，買流量這些作弊方法都違反了正常用戶點擊行為數(shù)據(jù)，因此就很容易被搜索引擎算法命中，并對網(wǎng)站進行打擊，被打擊的直接表現(xiàn)是網(wǎng)站關(guān)鍵詞排名突然間就沒有了，為什么網(wǎng)站關(guān)鍵詞排名突然沒有了？因為你的的黑帽作弊優(yōu)化方法命中了搜索引擎反作弊的系統(tǒng)，系統(tǒng)認為你在人為操控流量點擊，這種情況就容易被搜索引擎算法打擊，比如限制你網(wǎng)站內(nèi)容展示，限制你網(wǎng)站關(guān)鍵詞的排名，甚至直接你的網(wǎng)站關(guān)鍵詞排到100名以后，這些都是搜索引擎對站點懲罰的表現(xiàn)，因此靠欺騙搜索引擎的黑帽優(yōu)化方法建議大家遠離，不要覺得你用黑帽優(yōu)化方法目前搜索引擎系統(tǒng)還識別不到。

通過了解搜索引擎專利技術(shù)，原來這么多網(wǎng)站優(yōu)化技巧我們是不知道的，我們?yōu)槭裁匆私馑阉饕鎸＠夹g(shù)呢？我們可以通過科學專業(yè)角度更多去理解搜索引擎，了解搜索引擎運行原理，幫助我們遠離作弊，遠離一些非法違規(guī)操作，避免網(wǎng)站優(yōu)化走上彎路。

1)要了解搜索引擎規(guī)則，需要了解搜索算法

我們可以使用相關(guān)工具和搜索算法工具來理解搜索引擎。

（1）摩天樓SEO工具

（2）檢測并提升TF-IDF得分

（3）第三方SEO算法工具

2)任何高級算法的目標都很簡單: 盡最大努力滿足用戶的需求

以上是潮人地東莞seo博客跟大家分享關(guān)于seo技術(shù)：搜索引擎檢索算法（專利知識分享）等問題，希望能對大家有所幫助，若有不足之處，請諒解，我們大家可以一起討論關(guān)于網(wǎng)站seo優(yōu)化排名的技巧，一起學習，以上內(nèi)容僅供參考。