图书馆打点员们提出最多的问题问题之一是：“对于甚么样的功效应当位于搜索列表的最上方，Google是若何选择的？”此刻品德工程师马特-卡兹先容了快速入门的常识，诠释了Google是若何在网上爬行和索引，以及若何评定搜索功效等第的。
评定搜索功效
有了包含用户发问的网页后，就该按摄影关性评定网页了。一样若是“civilwar”在网页上闪现了数次，比闪现一次的网页要相干的多。为了没需要在每一份文件上扫描每个单词，就需要在数据上做些文章，以便显示包含了特订单词的所有文件。例如，一个网页全篇都是讲“南北战斗”的内容，会比只是略微提到“南北战斗”的网页加倍有用，即便这个网页是闪现不太驰名的网站上。
为加倍形象地描写这个过程，可以假想下一本30页厚书的索引。爬行可汇集大批的文件，但这些文件还不能直接用于搜索。由于使命被分拨到很多电脑上，使得查问答案加倍活络。若是一小我在索引中查找数页的信息，那么每一次搜索都最少需要花几秒钟的时刻；但若是是你将索引的每一页分给分歧的人去查找呢？三十小我分袂查找索引的分歧部分，要比一小我独自查找快的多。 本文作者马特-卡兹（MattCutts）是Google公司品德打点部分的软件工程师。 若是没有索引，在你想查问如“civilwar”（南北战斗）等内容时，Google的处事器将不能不在你每次搜索时浏览每一份文件的内容。操作PageRank，来自CNN和纽约时报网站的链接的价值，是很多不太驰名网站的两倍。 若何查找包含了用户发问的网页？让我们返回到上面举的“civilwar”例子。首先是在万维网数以十亿计的网页上爬行和索引，这个工作是由Googlebot完成的，它负责与全球的汇集处事器毗连以汇集文件。 Google的方针是要找到驰名度和相干性都大的网页。
。若是两个网页闪现匹配发问的信息数目几近一样，我们常常会选择更驰名网站的链接。例如，假定单词“civil”在编号为3、8、22、56、68和92的文件上闪现过，而单词“war”闪现编号为2、8、15、22、68和77的文件上。每一次搜索需要500台以上的电脑一路工作，搜索的时刻还不到半秒钟。马特也向黉舍图书馆打点员提出倡议，告诉他们若何教导学生。一旦我们有了文件的列表和分值，就会选择最高分值、最匹配的文件。PageRank评定的是两种工作：从网站到某一网页有若干很多若干好多个链接，供给链接的网站的排名。Google已经斥地出一个乏味的手艺可加速第一法式榜样的过程：不是将所有索引存储在一台电脑上，而是操作数百台电脑做这类工作。一样，Google也是将数据分拨到各台电脑上以便可以更快地查找文件。
除了PageRank外Google还操作了很多其他手艺，例如一份文件所包含的“civil”和“war”两个单词靠的很近，就比只操作了“war”单词的包含“RevolutionaryWar”（自力战斗）的文件相干性要大的多。单词“civil”在编号为3、8、22、56、68和92的文件上，单词“war”在编号为2、8、15、22、68和77的文件上，我们可以在网页上显示文件并寻觅包含两个单词的文件（从下表中可以看出是8、22和68号文件）。
单词civil3822566892
单词war2815226877
两个单词都闪现82268
包含了一个单词的文件列表被称为“文件标识列表”，查找包含两个单词的文件被称为“文件标识列表的交集”。此外在问题问题问题问题中闪现了“civilwar”的网页，它的相干性就比问题问题问题问题为“19thCenturyAmericanClothing”（19世纪的美国服装）要重要的多。正如你所知道的运行一个搜索器需要大批的计较本钱。
爬行和索引
在你浏览包含了Google搜索功效的网页之前，要产生很多工作。
Google从包含了发问单词的每一份文件中提取几句话作为摘要显示，接着将排好的URLs和摘要显示在搜索功效上。Google操作了很多手艺，其中PageRank算法是最驰名的。
一旦成立了索引，就初步对文件进行等第评定并必定它们的相干性。但若是是其他方面剖明一个网页加倍相干，也会选择更少链接或更低排名的网页。假定某小我上Google搜索并输入“civilwar”，为闪现和评价搜索功效需要做两件事：一是查找包含了用户发问的网页；二是按摄影关性排定匹配网页的地位。是以第二个法式榜样是要成立一个索引，这样就需要“转换”爬行所获得的数据。爬行不是真的在网上周游，而是访谒汇集处事器返回到一个特定的网页上，接着扫描该网页成立超链接并为每个网页编上号码。
信息网址：http://www.khcha.com/ziyuan/view10277.htm