关于百度搜索引擎的基本原理和流程，你了解多少？

众所周知seo网站主题模型优化，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。

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，而你还在原地踏步。

码迷从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。

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。

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seo网站主题模型优化，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、机器学习预测查询词的实体类型，预测第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，码迷稍微在之前的微信文章做了提及，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《24001818428.0信息搜索方法和装置》中举了，刘德华老婆的例子。你搜“刘德华老婆”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。

而摩天轮内容助手这款工具，可以精准预测到上述所涉及的相关词。

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，影响了百度预测的正向结果模型，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。