搜索引擎的查询服务机制（查询分词技术和结果排序，动态摘要，缓存机制）.doc

7.4日第四课.搜索引擎的查询服务机制（查询分词技术和结

果排序，动态摘要，缓存机制）

前面讲过了，抓取机制，预处理，这节课以后，会根据每一个细节进行细致讲解。

这节课讲查询服务，也就是我们平时在百度里面查询一些东西，来给出结果，这个

过程对seo来说是非常非常重要的。

上节课讲到了预处理，预处理以后得到了一个网页的表现形式，这个是查询服务的

基础，因为没有预处理好以后，搜索引擎就不知道怎么获取数据

预处理好以后得到的结果：

原始网页库（快照），URL和标题，文档编号，文档关键词集合和关键词的位置信息，

权重标签

一．原始网页库（快照）：打开seo三人行的快照，出现：您查询的关键词是：seo

三人行。如果打开速度慢，可以尝试快速版。尝试点击一下快速版，没有图片，

没有css，只有源代码，其实这就是搜索引擎数据库当中存储的你的网页。点击快速

版，就是不去加载图片、css。只是把源代码显示出来。这也表明搜索引擎数据库当

中，只存入源代码，并没有存css、js、图片。（图片有专门的图片搜索引擎，我们

现在讲的不是那个搜索引擎）。这些都是分开的，并没有存我们的别的东西。

二．URL和标题：这个是作为查询结果，当我们搜索seo三人行，就会把URL和标

题显示在那里。

三．文档编号：这个是用来快速获取网页信息的。

四．文档关键词集合和关键词的位置信息：这个文档里面包括了哪些关键词。这些

关键词出现在什么位置，这个位置信息是非常有用的，不知道你们有没有听过邻近

权值（两个关键词相邻的距离有多远）比方说，找seo三人行，那么针对seo三人行

这个词，分词以后一个是seo一个是三人行，中间没有插入任何东西，那么它的邻

近权值是最高的，因为中间间隔的距离是零。如果seo的三人行中间多了一个的，

那么中间的邻近权值就会稍微的低一些，如果中间插了100个字，那么邻近权值就会

非常的低。这个以后会着重的讲。就是说它里面存储了关键词的集合，（在这里说一

下，是为了让你们知道为什么存在关键词的位置信息）。还有它的权重标签（h、b、

strong）

查询的时候查询的库，不是原始网页数据库，查询的是索引库。那么查询词的分词，

我们知道用户的输入都是非常随意的，就像想找seo三人行一样的，他可能忘了这

个名字了，他可能会输入小涵seo的论坛地址是多少可能就会这样的一个很随意的

语句就输入进去了，但是他想找的seo三人行的论坛他记不起来这个名字了，他知

道论坛的管理员叫小涵，他就会这样搜。

也就是说用户的输入是非常随意的，这么随意的一句话，在数据库当中精确匹配是

非常难得，也不可能对这么长的一句话建立索引，每个人每天都有可能输入非常长

的查询语句，都建立索引是完全不现实的。

小涵seo的论坛地址是多少在百度里面回车第一个然后打开快照看到，您查看的关

键词是小涵seo的论坛地址每个词的颜色都不一样，其实这就是分词结果，把

这句话分成了一个这样的结果，这里并没有显示完整。

小涵可以是一个词seo可以是一个词小涵seo也可以是一个词。从这里我们可以

看出来，百度会把用户语句进行分词。一般来说，你如果输入的不是一个严格的词

或者字，搜索引擎都会进行分词。

分词以后做什么呢？需要去获取索引，因为分词以后，需要从数据库当中，把这些

数据取出来。那么这么多的词，搜索引擎会从数据库当中，查询上面包含有这些词

的所有数据。

就像上面那个页面，我们可以看到：

小涵seo是一个词，（我们知道前面在预处理以后，如果小涵seo是一个词的话，在

预处理以后，就会有一个倒排表，那么小涵seo就会有很多的文档包含小涵seo，

并且权重是从高到底排在那里的，）它就会把小涵seo相关的网页，按照相关性、

权重，从高到低取前750个出来。

的这个词是没有什么意义的，这种属于停止词，代表不了这个网页的，那么这个词

是不要的。

论坛和论坛相关的，和小涵seo没有任何关系，把和论坛相关的前n个拿出来

地址把和地址相关的前n个拿出来

然后把：

小涵seo和论坛和地址三个检索词的结果进行交集，也就是三个词取出来的总

共数据当中，哪些页面是同时包含了小涵seo同时包含了论坛同时包含了地址这

三个词，同时包含了这些就留下来，作为备选，就像我们拉选票一样，作为备选的

页面，这部分同时出现所有关键词的页面，作为备选（优先排序的数据）

所以搜索一些比较偏门的关键词的时候，你会发现开始几个里面都是有完整的匹配

的，快照当中都是有完整匹配的，或者是切词以后匹配的，但是后面的基本都没有

了，只有其中的一个。

讲解案例（这个词达不到要的目的）

制砂机轮胎打开第一个快照，这个两个词同时出现，全部都有包含了。这也说明

了一点，你搜索的词在分词以后，必须在网页当中同时出现的。

假如你做了一个网站是seo的，你想把seo三人行获得比较好的排名，或者说一个

网页是做seo的，有seo工具seo教程、seo培训seo论坛很多seo词，但是一个seo三人

行都没有，那你认为搜索seo三人行这个词会不会有排名，这个网站和seo非常相关，

就像夫唯的网站（指的是首页），搜索seo三人行会有排名的吗？不会的，因为需要

网页当中同时出现这些词的分词结果，两个数据有交集的，就是在网页当中同时出

现的这一部分网页，才会作为优先排序的数据。

我们作为seo人员从这一点里面可以看到，如果要做一个关键词的排名，无论如何要

懂得搜索引擎怎么对这个进行分词，从这里可以看出来分词非常重要。

一定要练习用肉眼对一句话怎么进行分词，因为一句话还是很容易分词的，人工对

这一句话进行分词，分词以后，这些词无论用什么形式，但是必须每个在这个页面

当中至少出现一次，就像想获得seo三人行排名，那在网页当中出现大量的seo，

但是一个三人行都没有出现，那是不可能获得seo三人行这个词排名的。

作为seo可以利用的，就是你在做一个网页的时候，你要考虑到你将来会做哪些词。

Seo三人行论坛上面每个一个板块都花了很大的心思，将来论坛权重上来以后，会获

得非常多的排名，之前在搜索小涵seo是找不到这个网站的，因为这个页面只有

偶尔才会在发帖和回帖当中出现小涵、涵哥这个词，然后别的地方出现一个小，才

会匹配成 小 涵 seo。但是前面已经提到了邻近权值 ，间隔太远了，那这个词的权

重非常低，后来在论坛底部加上 小涵 这个词。

权重词的控制：再举一个例子，seo三人行视频教程下载地址是多少，分词以后，这

些查询词每一个都会获取相关网页，权重词的控制这一点里面，首先让大家判断一

下，这些查询词里面哪一个分词结果最不重要？多少最不重要，多少就是一个停止

词，多少这个词代表不了这个网页的主题。

如果想做seo三人行视频教程下载地址是多少这句话的时候，哪怕一个分词的结果，

要把里面不重要的去掉，像 多少、是这样的词是不重要的，这些词完全没有必要去

增加词频，所以搜索引擎会优先获取权重高的重要性高的数据，实在是没有了，才

会选择重要性不高的关键词去获取数据。

多少的什么 切词以后切成 多少 的 什么 每个都是停止词。如果停止词不建立索引

的话，那么搜索是没有结果的，因为现在的搜索引擎都是全文索引，这些词是会有

索引的，当有更重要数据的时候，优选选用重要的，这个是次重要的，其他的都没

有都不重要的时候，（就好像对分词结果有一个权重从高到底的排序，取权重最高的）

像这样3个都是非常低的，那就取一个或者取3个都会去取。

什么词是重要的呢？怎么判断一个词到底是重要的，还是不重要的？针对于这个页

面来说，这个非常重要，将来做网站，做页面优化，网站的首页、栏目页、内容页

通通都是页面优化，全都都是一个页面，都可以想象成一个页面。

大多数的网页中都会出现 的 什么 多少 ，而且 的 是几乎每一个页面都会出现的。

在一个网页中出现越多，但是在所有网页中出现越少的就是重要的。

网页当中出现的多，说明关键词的词频就很高。所以堆砌关键词会获得排名，因为

堆砌关键词，就是网页中出现的次数越多，越重要。而堆砌大量的 的 多少 不会获

得排名，堆砌大量的seo会获得排名，因为 的 多少 这些词不止止是停止词，而且

还在大多数的网页当中出现，所以这些词就不重要。后面会讲到tf-idf的算法

我们怎么判断一个词在多少个网页当中出现呢？百度一下 找到相关结果约 虽然这

是一个估计值，但是可以大概知道这个词在搜索引擎的数据库当中，有多少网页是

相关的。

那么从我们从做seo的角度应该怎么做？我们应该从用户可能搜索的词入手，先要确

定这个页面要做哪些词，做多少个词，准备用哪个页面来做，这些都要想好，因为

准备用这个页面来做这些词的时候，那么这个词将来搜索这个页面的时候就要获得

很高的权重，很高的排名，那么就要对这些进行分词，然后控制重要关键词的权重。

前期网站不要做的太完美，不要把所会的都使用了，避免优化过度，等权重积累起

来以后，再慢慢的调整，调整关键词的权重。

把所有准备用这个页面要做的词，全部列出来，然后进行人工分词，然后在网页当

中精确的出现这些词，或者组合的出现。

所以seo高手说，网站做好以后多次的调整，调整什么，就是调整权重的分配，已经

第一了，就稳在那里了，后面只要不断的调整调整更多的词，获得好的排名，经过

调整一个页面获得几十个词的排名都是可以的。

你想要做的词，可以先做起来的词，就精确出现，比如做减肥，一开始就盯着减肥

来做，是做不起来的。要选择偏一点的，有流量的，竞争不是那么大的，先做这样

的词，后期慢慢调整权重。这就是定位。不一定改标题。

动态摘要：我们在site域名的时候，和查询某个关键词的时候，看到的结果可能是不

一样的。这个是怎么样做到的，搜索引擎是怎么样做到的，分词的结果可以计算出

来权重最高的前几个词，然后根据这几个词在网页源代码当中出现的位置，（我们知

道索引库当中已经存有这些词出现的位置，刚才说的邻近权值）取这些词周边的N

个字符，然后组成一段摘要。

在百度里面site一下.seowhy 出现的摘要：《SEO的中文意思是搜索引擎优

化。通俗理解是：通过总结搜索引擎的排名规律，对网站进行合理优化，使你的网

站在百度和Google的排名提高，让搜索引擎给你带来客户。深刻...》

在百度里面搜索 seowhy 出现的摘要：《已经意识到SEO的重要性，渴望系统掌握并

与行业精英们深入交流你可以：加入SEOWHY成为VIP会员什么是SEO，SEO是什么

意思？ SEO的中文意思是搜索引擎优化。通俗理解是：...》

第二个摘要比第一个摘要多出来一个 seowhy，因为在description里面没有写

seowhy，我们在搜索seowhy的时候，就是调用的动态摘要，获取seowhy周围的字，

然后取出来作为摘要，展现给我们。

查询缓存：查询使用的时间 mysql数据库也是有缓存的。查询一个很怪的词，耗费

的时间可能就要长一些，再刷新以后，时间很快了。搜索引擎要查一个东西，在缓

存当中没有，就要去数据库去提取（所以这个时候耗费的时间长一点），查询以后，

就已经存在了缓存当中了，如果再查，直接从内存当中取出来，所以这个时候不需

要再去查索引了，有利于提高查询速度。

区域搜索：每个不同ip的用户，连接到百度查询服务器是不同的。虽然都是使用同

样的索引库，但是加入区域搜索的查询机制，就是针对不同区域的用户，对排名做

不同的调整，有区域优势。

如果想快速把词做上去：如果你的老板想要在短时间，就要看到一个词的排名，怎

么办？加上区域这个词。

课后问答：

百度快照是不准确的，不会详细的显示的，搜很多词可以发现，快照的分词结果不

一样。因为没有把全部快照的分词结果显示给你。如果把全部分词结果显示给你，

那很多做优化的一眼就看出来了，百度是不会把这些数据给你的。

在论坛下部分，看到 小涵 出现在版权板块，这个算不算是噪音？

答：算

算噪音的话，那还想做小涵 这个词的话，会不会算做噪音，匹配不了小涵seo 了？

答：还有全文索引，权重高了以后都会获得排名。计算当前页面的时候，如果权重

不高的话，只会提取当前页面的重要板块。首页的权重是最高的，你会发现很多的

网站，哪怕在版权信息里面出现一些词，和主关键词搭配起来以后，都会获得很好

的排名的，哪怕出现在友情链接里面都会获得很好的排名的。

目前来说出现在那里的原因是因为，现在只是简单的修改discuz 后台调用站长统计

的地方，加进去 小涵 这个词，所以在每一个页面当中都会出现的，这样子有一个

好处，每一个页面都会有 小涵 这个词，有一个链接指向首页，都会传递一份权重，

而且锚文本是 小涵 。然后将来想真正的把 小涵seo 做起来，那就会在首页的某一

个不是噪音板块的位置，精确的写一个 小涵 seo 可能还要给这个词加粗，现在还

不能做大的改动，因为现在是在版权信息的位置，discuz 一加的话每个页面都出现

了。

当一个站的某个关键词有排名了，然后还想做另外的关键词，那么把之前有排名的

关键词的权重减少的话，会不会掉排名？

答：会。为什么要减少权重呢，除非你的差距和对手已经很大了。如果你和竞争对

手和接近的话，那么降下来是很自然的事情。所以你一定要了解你的竞争对手，你

的对手在这个关键词上面的权重是怎么样的。转移权重不是说把这个词的权重降下

来，而是应该把另外想做的词的权重加上去。

思考题：

搜索引擎为什么要对输入查询语句进行分词处理？

答：首先如果输入的是一个语句的话，那么这个语句是没有建立索引的，所以是没

法查询的。我们都知道查询查的是索引库。

另外 分词是为了找出重要性最高的关键词，分词也是为了能够从索引数据库当中获

得有价值的信息。

对查询语句进行分词的好处是，用同样的分词程序就可以在索引数据库当中查到数

据，而且这样的相关性会更高，会屏蔽掉停止词。