搜索引擎原理简述

搜索需分两步走

1.匹配

1.1 索引

• 下载所有网页
• 分词，提取网页空的关键词
• 建立关键词与网页之间的索引表
• 在网页索引中，增加关键词在网页中的位置

1.2 匹配

• 单词匹配，根据索引表，即可快速找到包含关键词的网页
• 连词，需要检验多个关键词是否在同一网页的相近位置

1.3 空间换时间

搜索免不了需要检索整个互联网，但可以提前准备好索引。

2.排序

检索后，需要对网页进行相关度排序。

2.1 PageRank

• Google首创的网页排序方案
• 是以网页被引用的数量，作为排名的依据

2.2 图

• PageRank实现的数据模型
• 是有向无环图

2.3 网页计分规则

• 被引用+1
• 指向别人-1
• 引用可被传递，即被引用者会受引用者的分数影响。这样的可靠性更高，也能防止造假

3.总结

处理以上对搜索引擎工作原理的简单概述，实际中的搜索引擎会，还会根据网页的更新时间、是否有广告等因素进行评估。再者，还会用到机器学习，进行个性化推送。