杭州網站建設--帷拓小編說說 什么是文件匹配？

搜索詞經過處理后，搜索引擎得到的是以詞為基礎的關鍵詞集合。文件匹配階段就是找出含有所有搜索關鍵詞的所有文件。在索引部分提到的倒排索引使得文件匹配能夠快速完成，杭州網站建設--帷拓小編放一張圖給大家看看：

杭州網站建設--帷拓小編假設用戶搜索“關鍵詞2”和“關鍵詞7”，排名程序只要在倒排索引中找到“關鍵詞2”和“關鍵詞7”這兩個詞，就能找到分別含有這兩個詞的所有頁面。經過簡單求交集計算就能找出既包含”關鍵詞2”和“關鍵詞7”的所有頁面：文件1和文件6。

  初始集結的選擇：找到所有關鍵詞的匹配文件后，還不能進行相關性計算，需要的時間還是太長。實際上用戶并不需要知道所有匹配的幾十萬,幾百萬個頁面，絕大部分用戶只會查看前兩頁，也就是前20個結果。搜索引擎也并不需要計算這么多頁面的相關性，而只要計算最重要的一部分頁面就可以了。常用搜索引擎的人都會注意到，搜索結果頁面通常最多顯示100個。用戶點擊搜索結果頁面底部“下一頁”鏈接，最多也只能看到第100頁，也就是1000個搜索結果，杭州網站建設--帷拓小編發張下圖。

  百度則通常返回76頁結果，杭州網站建設--帷拓小編發張下圖。360搜索通常犯諱頁結果，必應貌似冒雨固定頁數，會根據不同查詢詞而變化，但也不會超過100頁。

總之，最多顯示1000個搜索結果，所以搜索引擎又怎么知道哪1000個文件是最相關的？所以用于最后相關性計算的初始頁面子集的選擇，必須依靠其他特珍而不是相關性（這些文件都包含所有查詢關鍵詞），搜索引擎通常會用非相關性的頁面特征選出一個初始子集。初始子集的數目是多少？幾萬個？或許更多，外人并不知道。不過可以肯定的是，當匹配頁面數目巨大時，搜索引擎不會對這么多頁面進行實時計算，而必須選出一個頁面權重較高的一個子集，再對子集的頁面進行相關性計算。