今天給大家分享一下倒排索引的一些事情，為什么要說倒排索引呢?因?yàn)楫?dāng)用戶搜索一個(gè)詞的時(shí)候，返回的搜索結(jié)果頁面就是經(jīng)過倒排索引和一系列算法過濾后的結(jié)果排序，seo苦苦追求的不就是排名的多少嗎?

說的通俗一點(diǎn)，其實(shí)搜索引擎的索引好比是我們平時(shí)看書時(shí)的目錄，為了讓大家更快找到適合自己的東西，比如導(dǎo)航站其實(shí)就是互聯(lián)網(wǎng)上小型索引的結(jié)構(gòu)案例。

上面會(huì)有一些分類比如新聞、電影、小說、圖片等等板塊，讓用戶快速的找到自己所需。

索引是搜索引擎中最為核心的技術(shù)之一，因?yàn)樵诖罅康木W(wǎng)頁中，怎樣才能更快、更精準(zhǔn)的找到用戶查詢這個(gè)詞的搜索意圖。

先給大家說幾個(gè)概念，為了下面的講述中，大家都能看得懂。

1、文檔：我們是以網(wǎng)頁的形式看到互聯(lián)網(wǎng)頁面的，而網(wǎng)頁中包含很多的東西，比如：TXT、EXCEL、PDF等等很多各式各樣的文件都被成為文檔。

2、文檔集合：由很多的文檔組成一個(gè)集合，稱為文檔集合。

3、文檔編號(hào)：互聯(lián)網(wǎng)上每一個(gè)文檔都有各自且獨(dú)一無二的編號(hào)。

4、單詞編號(hào)：每個(gè)單詞都有各自的唯一編號(hào)，用編號(hào)來代表這個(gè)單詞或、短語者句子。

5、倒排索引：是在搜索引起的索引庫中，以單詞對(duì)應(yīng)網(wǎng)頁的一種存儲(chǔ)的形式，可以根據(jù)單詞快速的獲取相關(guān)的文檔。

其實(shí)倒排索引非常的簡(jiǎn)單，下面就結(jié)合一些特征案例來漸漸深入的分析這個(gè)算法，大家先了解一些基本的思路即可。

上圖是每個(gè)文檔編號(hào)對(duì)應(yīng)的不同文檔，如編號(hào)“1”對(duì)應(yīng)“小明吃早飯”，編號(hào)“2”對(duì)應(yīng)“小明早上吃了什么”，以此類推。

另外由于中文和英文的文化屬性不相同，中文的漢字之間沒有明顯像英文單詞那樣的分隔符，索引首先對(duì)中文要進(jìn)行一下分詞(下面舉例中暫時(shí)不去掉停止詞)，這樣就把一句話變成了一個(gè)個(gè)的詞組，如下圖。

上圖單詞的ID記錄了每個(gè)單詞的編號(hào)，第二列是編號(hào)所對(duì)應(yīng)的單詞，第三列是哪幾個(gè)文檔中包含了這個(gè)單詞。

比如單詞“小明”，其其單詞編號(hào)為“1”，倒排列表“1，2，4，5”，表示這幾個(gè)文檔集合中都包含了這個(gè)單詞。實(shí)際上搜索引擎更為復(fù)雜，不僅僅記錄了單詞的文檔編號(hào)，還記錄了單詞的頻率(TF，什么意思呢?很多seo從業(yè)者都在說關(guān)鍵詞的密度，

市面上計(jì)算頁面中關(guān)鍵詞密度的計(jì)算公式有三個(gè)：

公式一： 關(guān)鍵詞次數(shù)/頁面總字?jǐn)?shù) x100%

公式二： 關(guān)鍵詞次數(shù)/頁面總字?jǐn)?shù)/關(guān)鍵詞字?jǐn)?shù) x 100%

公式三： 關(guān)鍵詞次數(shù)/頁面分詞數(shù)量 x 100%

先不討論哪個(gè)公式的計(jì)算方式更加精準(zhǔn)，我們發(fā)現(xiàn)公式中都出現(xiàn)了關(guān)鍵詞的次數(shù)，那這個(gè)TF就是該單詞在頁面中出現(xiàn)的次數(shù))

這個(gè)TF在搜索引擎計(jì)算搜索結(jié)果排序時(shí)，分析查詢?cè)~和文檔庫中哪個(gè)文檔更為相關(guān)的一個(gè)參考因素。

上圖是比較復(fù)雜的，我們來看看文檔頻率為多個(gè)文檔包含這個(gè)單詞，如：“小明”在“ 4 個(gè)文檔”中出現(xiàn)了?！俺浴痹凇?4 個(gè)文檔”中出現(xiàn)了，后面的以此類推。倒排列表小明 (1;1<1>)， 1 為文檔1，中間的 1 為這個(gè)詞在這個(gè)文檔中出現(xiàn)的頻率，<1>是這個(gè)詞在文檔中出現(xiàn)的位置1，即在文檔中第一個(gè)詞。

實(shí)戰(zhàn)應(yīng)用，在紙上談的再多，不如通過實(shí)戰(zhàn)去驗(yàn)證這個(gè)論點(diǎn)，是否對(duì)排名有幫助。下面就來看看。

以首頁自然排名的 10 個(gè)網(wǎng)站的網(wǎng)頁類型和標(biāo)題為例：

首頁，排名第一，“早點(diǎn)培訓(xùn)_早餐培訓(xùn)班_早點(diǎn)培訓(xùn)學(xué)校【免費(fèi)吃住】”

首頁，排名第二，“早餐培訓(xùn)_早餐培訓(xùn)班_早餐培訓(xùn)學(xué)?！久赓M(fèi)加盟】”

首頁，排名第三，“上海頂正小吃培訓(xùn)學(xué)校_早點(diǎn)培訓(xùn)_生煎包培訓(xùn)_燒烤培訓(xùn)全國(guó)最專.....”

首頁，排名第四，“上海早點(diǎn)培訓(xùn)|重慶小面培訓(xùn)|山東雜糧餅培訓(xùn)|鹵菜培訓(xùn)|小吃培訓(xùn).......”

首頁，排名第五，“小吃培訓(xùn)_特色小吃_小吃項(xiàng)目加盟-老灶臺(tái)特色小吃培訓(xùn)學(xué)?！?/p>

內(nèi)頁，排名第六，“早點(diǎn)培訓(xùn) 正規(guī)早點(diǎn)培訓(xùn)班-培訓(xùn)通”

首頁，排名第七，“藝尚食代-早餐早點(diǎn)培訓(xùn)”

首頁，排名第八，“小吃培訓(xùn)，早點(diǎn)培訓(xùn)，上海面點(diǎn)培訓(xùn)，上海德志廚藝美食培訓(xùn)中心021-...”

首頁，排名第九，“早餐店加盟_營(yíng)養(yǎng)早餐加盟_特色早點(diǎn)加盟店_早餐店連鎖加盟培訓(xùn)_開...”

內(nèi)頁，排名第十，“早點(diǎn)培訓(xùn)班 正宗早點(diǎn)培訓(xùn)中心-培訓(xùn)通”

分析得出：早點(diǎn)培訓(xùn)在這個(gè) 10 個(gè)網(wǎng)站中基本上都出現(xiàn)了 2 詞，大家有沒有發(fā)現(xiàn)早點(diǎn)和早餐是近義詞，(比如：我早點(diǎn)吃了什么，我早餐吃了什么。這兩句話表達(dá)的是同一個(gè)意思。)等于是增加了一遍詞頻，也就是 3 次了，在這里提醒大家關(guān)鍵詞千萬不要堆砌，要保持一個(gè)自然性。

另外通過之前的實(shí)驗(yàn)數(shù)據(jù)得出標(biāo)題最左邊的詞權(quán)重最高，僅僅結(jié)合這兩點(diǎn)，排名第一的網(wǎng)站標(biāo)題做的比其他的網(wǎng)站標(biāo)題都到位。另外標(biāo)題結(jié)尾處“【免費(fèi)吃住】”這是一個(gè)吸引用戶點(diǎn)擊的營(yíng)銷點(diǎn)，所以標(biāo)題是技術(shù)與藝術(shù)的結(jié)合。

下圖是網(wǎng)站從上線到目前的收錄和權(quán)重的部分截圖：

從上面的兩張圖片我們可以看出，這個(gè)網(wǎng)站的權(quán)重從 2017 年 12 月 11 日的站長(zhǎng)權(quán)重是0， 4 天后權(quán)重到達(dá)1，還是比較輕松的。而且后來站內(nèi)文章到投稿為止已經(jīng) 5 個(gè)月沒有更新了，為什么有些seoer天天更新文章，網(wǎng)站排名卻做不起來?有小伙伴說如果不寫文章，那么每天都不知道做些什么。

在我看來這個(gè)不是影響排名的重要因素，因?yàn)榍捌诰W(wǎng)站信任度做好可以節(jié)省后期的很多事情(PS：這就是佛系SEO，讓網(wǎng)站自己讓排名)。

通過上圖發(fā)現(xiàn)早點(diǎn)培訓(xùn)這個(gè)詞一直在首頁第一，非常的穩(wěn)定。所以通過算法來優(yōu)化網(wǎng)站還是非?？孔V的。

搜索引擎是這個(gè)世界上最復(fù)雜的程序之一，公開的算法不勝其數(shù)，有興趣的小伙伴們可以看看搜索引擎公司他們申請(qǐng)專利的一個(gè)文檔，文檔中也會(huì)涉及到高等數(shù)學(xué)等等知識(shí)，如果你能堅(jiān)持的去看并且結(jié)合實(shí)踐的話，那么你優(yōu)化網(wǎng)站不用再靠猜排名了。

作者：秦羽

來源：盧松松博客

著作權(quán)歸作者所有。