众所周知，百度的搜索引擎系统分为：抓取系统、快照存储系统、页面分析系统、索引系统、检索召回系统等几个重要系统。关于百度搜索引擎的基本原理和流程，大家可以参考痞子瑞的《SEO深度解析》一书中的“搜索引擎原理”部分。码迷这一部分与痞子瑞老师的略有不同，对百度搜索引擎的基本原理和流程做了更深入的拆解分析。
关于码迷
7年SEOer，摩天楼内容助手作者，专注SEO算法研究，精益科学SEO鉴定倡导者。QQ号码2027725943 ，欢迎志同道合的朋友加我交流。
碎碎念
很多同行说做百度SEO越来越难了，说百度等搜索引擎的份额被如今的自媒体抢占了很多流量，SEO没法做了云云。
但是很多公司反馈，百度的流量转化率还是要高于抖音之类的自媒体。
我觉得SEO并不是越来越难，只是你没有改变而已。
经过十几年的发展，百度搜索引擎已经发生了很多很多的变化，而你还是原地踏步而已。我从12左右开始接触SEO，优化的手段也不断的升级迭代，但是很多同行的手段却一直停留在16年之前了。
做SEO没有长久的“秘笈”，重要的是主动跟上搜索引擎算法步伐，然后做实验找规律，再用合理的手段把优化做到极致就行了。
基本概述
很多书籍对搜索引擎原理仅仅提到了倒排索引，而更多的书籍只是将内容处理、链接处理、用户体验稍微说了一下。其实百度搜索引擎是一项十分复杂的工程，搜索引擎除了做正向好事儿，如防作弊、提拔优质内容等等、还有些不乖乖的处理流程，如人工干预、圈流量策略也是很重要的一块。
码迷认为搜索引擎的大体架构如图：
大致分为百度爬取、百度查询2个部分。
百度爬取部分
步骤01
百度爬虫发现网页，爬取网页html内容
步骤02
百度对爬回来的网页进行初步的页面分析。先进行分词，去除停止词。
步骤03
这一步主要做初步网页评定。
对分词后的网页通过向量空间模型初步做分类判定；
通过相关性算法提取相关词，判定主题集中程度；
通过结构相似性、文本相似性算法判定原创度；
通过信息熵等手段判定是否有恶意广告；
最后进入反*黄*赌*毒*系统等等。
步骤04
如果内容过关，百度将该网页分词结果存取到有效索引倒排中，并抽取网页内容结构化数据（标题、摘要、内容等等），快照存档。
百度查询部分
步骤01
首先对用户输入的查询词分词处理，通过用户地理位置、个性化信息、机器学习查询词的实体类型，第2需求词，第3需求词等。
比如搜“火车票”，那么“火车票查询”、“火车票12306”、“火车票改签”这些需求词也将会纳入用户需求中。第N需求词，也叫后续词，通过对后续词做文章，也可以优化排名。
如何用后续词获取排名，码迷稍微在之前的博文《黑帽SEO案例分析：配合「摩天楼SEO工具」浅析黑帽大神的SEO手段》做了提及，如果你功夫到家，自然也会明白逆冬的手段。如果看不出来也没关系，码迷会在以后的章节中会详细给大家讲。
步骤02 粗排环节
“粗排”这个概念，码迷最先见于Zero的公众号文章《我是如何把「SEO」这词排名到百度首页的》。
粗排是百度通过布尔模型，在海量信息中查找符合需求词组的N个文档。再通过与训练好的结果模型做向量距离比较，过滤出M个文档，再通过结果距离算法获取前O个文档集合，再通过BM25相关性得分取出TOP760文档集合。
比如百度专利《201610214064.0信息搜索方法和装置》中举了，老婆的例子。你搜“老婆”的时候，如果你的页面里面没有“朱丽倩”，说明网页内容很差，很大程度上进不了粗排队列。
打个广告：摩天轮内容助手这款工具，可以精准到相关词，推荐大家使用
步骤03 细排环节
综合每个文档对应的链接权重得分、点击日志得分、网页加载速度、相关性得分、查询结果类别策略等，再塞入人工干预的内容，结合用户日志分析（快排）将最终的排序结果呈现给用户。
大家喜闻乐见的、经久不衰的快速排名手段，如“7天上首页”，就是干预精排中的点击策略，影响了百度的正向结果模型，促使短期上首页。
总结
其实我们做SEO啊，应该知道，人最宝贵的东西是生命。生命属于我们只有一次。
SEOer的一生应当这样度过：
当回忆往事的时候，他不为网站降权而痛悔，也不为被K站而羞愧；
在临死的时候，他能够说："我的整个生命和全部精力，都已经献给世界上最壮丽的事业！为跟百度争SEO流量而斗争。
百度李老板的终极目的都是为了赚钱，我们做SEO也是为了圈住部分流量来赚钱。
现在的搜索引擎已经不再单纯很久了，如何在李老板眼皮底下获取更多的流量，我们从下一节开始正式开始探讨了。
文末福利
今天就这些， 下一节我们将科学探讨“百度蜘蛛抓取规律以及蜘蛛类型”方面的秘密，码迷期待你的关注 。微信公众号优质评论前10名将会获得码迷整理的66个百度专利，先到先得。
本系列首发于www.mamioo.com，同步发布于公众号”码迷SEO“，未经允许不可转载。
标签： 百度 SEO 搜索引擎 seo 搜索
评论列表 （0）