正凡人的搜索思路是带着关键词，去查找内容中是否包含该关键词。假设要从序号1-10的10个网页查找包含“关键词布局”的网页，分别去这10个网页中全文搜索是否包含“关键词布局”这个词，然后返回包含该词的网页的序号。但如果是从百万、千万个网页中查找呢，速率就很慢了，于是就发明了倒排索引的观点。(以下图中数据皆非实际数据，仅作示意)
如上图示，为一个最大略的倒排索引模型(DocID是搜索引擎为所抓取网页分配的唯一编号)。搜索引擎爬虫每次抓取一个网页的时候，就把网页切分成多少个词组，将这些词逐一与倒排索引表比对：如果倒排索引表的“关键词”一列有这个词，就在其对应的倒排列表中增加当前网页的编号DocID;如果没有，就增加一行(涉及到新词识别，此处不展开)，给这个关键词分配一个ID，再写入当前网页的编号。这样，当我们查询“关键词1”的时候，很快就能知道干系的网页有(1,2,3,5)。繁芜一些的查询词假设被切分成“关键词1”、“关键词3”、“关键词6”这3个词，也能快速查询到干系网页有(1,2,3,5,6,7,9)。
仅仅这样，还不敷以对搜索结果进行排序。非作弊的情形下，一个网页涌现某关键词次数越多，该关键词越能代表此网页的特色，条件是要过滤停用词(停用词便是险些每个网页中都有很多，但不能表达任何详细意义的词，比如：“的”、“是”、“了”等等)。如果我们能在倒排索引表里面加入关键词在网页中涌现的频率信息(简称：词频--TF)，就能对网页进行排序了。如下图所示：当我们的查询词被分词为“关键词1”、“关键词2”时，就能将干系网页排序为(3,5,1,2)。
假设现在有两个网页1、网页2，在倒排索引中的信息如下图：
我们搜索“关键词怎么布局”，搜索词被分词为“关键词”、“怎么”、“布局”，个中网页1中“关键词”、“怎么”、“布局”分别涌现2、2、2次，共6次;网页2中“怎么”、“布局”共涌现7次，按照前面的逻辑，终极的搜索结果排序为(2,1)，这显然不是空想的排序结果，网页2的主题明显是讲“围棋怎么布局”的。此时须要引入IDF(逆文档频率指数)来办理这个问题。
如果一个网页凑集中包含某个关键词的网页越少，则该关键词具有越好的网页区分能力，故IDF越大，即具有更高的权重。假设上图中的“关键词”、“怎么”、“布局”、“围棋”的IDF分别为2.5、0.3、0.8、3，每个词的TF乘以IDF后求和，得到网页1、2的干系性分别为：7.2、4.6，以是搜索“关键词怎么布局”的排序结果为(1,2)，就比较符合实际了。
关键词的位置信息也是一个重点，一样平常认为标题中涌现关键词比正文部分涌现相同的关键词，更能表示一个网页的主题特色，H标签的主要性即在于此。搜索引擎还能够根据代码布局和噪音比例(如停用词涌现频率)来判断哪里是导航、哪里是正文、哪里是侧边栏等等。在倒排索引列表中会把这些位置信息都标注进去，参与排序决策。
除此之外，还有一些其他的常用技能方法，如：双词索引/短语索引，“关键词怎么布局”不一定便是切分为三个短词，还可能切分成“关键词布局”、“词怎么”、“怎么布局”等等;关联词合并搜索，“关键词”的关联词“关键字”，“怎么”的关联词“如何”等。
当然，实际中当代大型搜索引擎的倒排索引模型会繁芜很多，再融入其他诸多成分(一个重点是超链剖析)参与排序算法，限于篇幅和作者水平有限，不连续展开了。
二、关键词如何布局1、标题中一定要有关键词，但不一定要完全的疑问句
鉴于搜索引擎会把查询词切分为N多的单词、双词、短语，并在查询时加入关联词合并查询，以是标题中的关键词不一定是完完全整的一个疑问句，一个范例是“做XXXX哪家公司好”。标题中不一定须要这个完全的词，纵然标题中包含了这个完全的短句，也不能匹配其他完全短句，一个优质的网页每每能匹配成百上千的长尾关键词，显然一个标题不可能全部包含。标题的另一大浸染是吸引点击，点击率也是影响排名的一个成分，但个中的“XXXX”、“好”、“公司”这些核心词一定要涌现。
2、正文自然、均匀的分布一些核心词和切分词
搜索引擎发展初期，很多技能职员利用TFIDF算法权重较高的漏洞，大量堆砌关键词，从而快速得到较好的搜索排名。后来搜素引擎从算法层面修复漏洞打击作弊，就涌现了网络优势行的“空想关键词密度3%~8%”的不雅观点。首先，这个密度不是打算完全查询词的，而是切分后的词全部打算，并且实践中，你会创造有关键词密度轻微低于3%的，也有关键词密度赶过8%很多的网页能够得到不错的排名。
如果你是搜索引擎的工程师，会怎么做?我想我会结合全网的历史访问数据(如百度统计、手机百度等都能获取较全面的访问数据)和关键词密度信息划定一个合理范围和鉴戒范围，超出鉴戒范围的给予沉默处理，在鉴戒范围区间的结合该站点历史数据和第一阶段的小流量排名的访问数据反馈，决定是打压还是坚持或给予更高的排名。
比较于关键词密度，我们更该当看重的是措辞的畅通流畅(一味地强插关键词显得啰嗦和别扭)和内容的质量深度。毕竟，搜索引擎的排序成分多达成百上千个，也不能顾此失落彼。
3、正文下方干系内容和侧边栏推举适当布局关键词
虽说搜索引擎能够通过代码和噪音比例判断这些不是正文部分，从而降落一些此处关键词的权重，但从百度快照缓存来看，还是有一点浸染的。
正文下方和侧边栏的干系内容和推举内容多是从横向和纵向两个角度选取内容。比如本文，主题是关于“关键词布局”，那横向推送一些“网站构造布局”、“关键词挖掘技巧”等站内优化方面的内容，大概率是有很多访客感兴趣的;纵向推送一些“教你怎么培植高质量的外链”、“如何提高着落页的转化率”等内容，也是访客可能暂时抑制的隐性需求。增加了关键词布局的同时，还能提高PV，降落跳出，提升用户体验，何乐而不为。
作者：建站监理网
来源：卢松松博客，欢迎在线投稿
