深圳SEO公司 服务热线:0755-23776924
 
 

在线客服


电    话:133 0296 1230(张先生)
QQ咨询:1043497611
(验证码:我要做SEO)

SEO知识


搜索引擎的工作数据预处理


  我们先来看一下搜索引擎的工作原理。在搜索引擎原理中,搜索引擎工作流程大致有三点:数据采集、数据预处理、查询服务,今天深圳SEO在这里和大家分享一下数据预处理,值得注意的是,在我们所述的“数据预处理”就是主要包含四个方面:关键词提取,“镜像网页”以及“转载网页”的消除,链接分析和网页重要程度的计算。

  关键词提取

  首先要先会提取关键词。在每一章网页,包含了大量的和主题内容无关的内容,关键词提取的任务,就是要提取出网页源文件的内容部分所含的关键词。提取的方法:根据百度分词技术,将内容切成多个词组成的数组,再取出“在”“的”等无意义的词组,确定最终的关键词。

  重复网页的消除

  天网的2003统计发现:网页的平均重复率为4,到目前的2015年,这个数字肯定已经破10。对于网名来说,拥有了更多访问有用信息的机会,对搜索引擎来说,浪费了大量的搜集网页的时间,以及网络宽带资源。深圳在这里只是和大家了解一下,不过多讲解。

  链接分析

  1)链接分析中有提到两个概念,词频(TF):该关键词在关键词提取之后的关键词集合中的出现频率

  2)文件频率(DF):该关键词在所有文件中的出现频率,在所有文件中,该关键词在多少文件中出现

  3)搜索引擎可以通过HTML文本标签,来确定关键词的重要性

  深圳网站优化认为搜索引擎的数据预处理大致可以从以上几方面来进行。