谷歌演算法

1. 谷歌和百度的演算法究竟有什麼不同

網路與谷歌是國內外搜索引擎巨頭，各自有其不同理念，一方面，谷歌注重PR值，而網路尊重原創。

或許用戶不能理解這兩句話內涵，如果你經常上網在線就了解，因為你如果在博客上寫一篇新聞，同時發到此網站，那麼，谷歌不會收錄你的網站，還有就是過段時間收錄了，但是你排在大網站的後面。而網路則不同，肯定會收錄你的網站。

此外，打個不恰當的比喻，網路就是支持中小企業，而谷歌就是資本家，為什麼？因為就是你的網站沒有PR值，還有就是PR值很低，那麼，你的原創也排不到別人網站轉載，因此，網路這點值得表揚。

還有就是網路競價排名，記住了,首頁寫,"推廣"字樣的都是競價排名 或者說我們在搜索時間.關鍵詞里加個空格或者標點.那麼機器關鍵詞里設置的關鍵詞就起不了作用.

此外，網路最近很低調，而谷歌，最近好象在京華時報還做起來廣告。

當然，關於網站上的發網路聯盟，全是藉助網路進行炒作，有一些網站都是從網路來的，而這方面，谷歌則不同，從谷歌來的用戶非常的少，三十個IP中谷歌一個就不錯了。

還有演算法上面的區別
我們直接分析博百優在網路和谷歌首頁排名情況，就可以知道，網路與谷歌的排名演算法有較大的出入，不過隨著時間的推移，這種差異會越來越小，畢竟搜索引擎排名的核心思想都是差不多的，都是給用戶提供最實用的信息。
一、分析谷歌與網路的細節異同
1、從這次比賽看來，谷歌對新站有特別照顧機會，前期會獲得不錯的排名，不過，慢慢的又會降下來，網路雖然對新站也有特別照顧機會，不過和老網站比起來，這些機會幾乎看不到了。
2、網路的老站權重繼承
很明顯，這次比賽,大部分人都是通過修改標題形式參賽，所以在短時間內都在網路獲得不錯的排名,這都利益於老站權重的繼承，看誰原站的權重高,在前期就排的最前面，谷歌似乎這種情況不太明顯，改了標題後,就會從新對你考察，考察你的相關內容是否豐富，是否相關性很強，在決定你的排名情況，而不考慮以前權重有多高。
3、雖然網路和谷歌對外鏈的數量和質量影響網站權重的重要因素，但谷歌更注重外鏈的質量上，如果你的站外鏈質量非常多，一般都能獲得不錯的排名。
4、對原創文章的分析上，谷歌分析水平比網路更高，對原創質量要求更高，偽原創分辯能力更強。這一點不得不承認谷歌技術的先進。
5、谷歌對主域名排名更具有優先權，博百優官方網子論壇，雖然外鏈和內容上都遠遠超過其它參賽站點，但在谷歌前幾頁都找不到博百優官方網子論壇，期重要原因是谷歌對主域名具有更高的權重。
二、分析以下幾個重要因素的異同
1、原創方面
網路和谷歌對原創都非常看重,內容為王，這是永久的真理，不過谷歌對原創文章質量分析能力更強。
2、外鏈方面
無論是網路和谷歌，外鏈絕對是影響排名的重要因素，質量比數量更重要，但谷歌更看重高質量的外鏈，對排名的作用會更大一些。
3、內容相關性方面
無論哪個搜索引擎，內容與主題越相關,排名肯定更有優勢,，但放在一起對比，發現，谷歌對內容高度相關的站點，更具有排名優先權。而網路可能還會去考察其它因素。
4、快照方面
這一點二者都一樣，快照越新,相應權重會越高一些，但要在其它重要因素的前提下才能發揮作用。這個分析並不是很權威,有些可能和大家所想的有出入，不過沒關系，這個分析是初版，以後會總結和分析出更完美版。

望採納·

2. 谷歌演算法怎麼這么

廣告收入的大頭是給站長的 ... 但是最終點擊的價格還有最後的有效點擊計數 的演算法不明

3. 請問SEO中現在如果想研究GOOGLE演算法，該怎麼著手。

1、網路廣告為了提高網站的知名度，可以選擇一些訪問量較高或與本企業網站內容相近的網站上做必要的網路廣告宣傳，這也是提高企業網站知名度的一條捷徑。 2、廣告交換Internet上有許多的廣告交換組織，如WanDotSEO外鏈廣告平台等，這種廣告交換的方法是在本企業的網站上放置該組織的一個廣告條，本企業網站的廣告就能按調用該廣告多次數的一定比率，在該組織的其他會員網站上出現。3、線下宣傳定期做些與網站有關的線下活動，多認識朋友，交換名片。 4、搜索引擎登陸很傳統也最有效的辦法。每個搜索引擎都是一個巨大的網上資料庫，裡面存儲了豐富的站點信息，供使用者搜索、查詢。互聯網用戶在上網查找信息時，通常進入搜索引擎，輸入特定的關鍵詞，就能找到包含所需信息的相關網站，所以新開通的網站必須在各大蓍名搜索引擎上進行登記注冊。本人推薦手動提交方式注冊，一些軟體的注冊率太底。 5、友情鏈接可與自身網站內容相近的網站做友情鏈接，這樣可提高雙方網站的訪問量和知名度，如果能和著名網站做友情鏈接那樣效果會更好。友情鏈接不要亂做，做得太多就沒有意義。Google對過度的友情鏈接視為作弊。而且如果與垃圾站連接，還當心連帶責任。

4. Google用了哪些數值演算法

首先，每個數值的值出現的概率比較平均，所以用哈夫曼（Huffman）演算法無法取得太專業了,建議你去專門的論壇去問.用英文去google搜下,或者google 討論組.

5. 谷歌人工智慧演算法哪個方面比較強

利用人工智慧，谷歌將強化自己的搜索能力，加強公司在該領域的競爭優勢。而使用TensorFlow，該公司的開源應用程序為其他基於雲的平台創建了先例，並允許研究團體利用公司的資源來推進 AI 的集成。

6. 谷歌企鵝演算法是指什麼

美國時間2012年4月24號周二，谷歌推出新的演算法更新方案，代號「Penguin Update」。Penguin，直譯為企鵝，是谷歌繼2011年2月24號發布的「熊貓」之後再次推出的新演算法調整。其目標直指那個通過過分SEO手段提高排名的網站，意在降權那些充斥著廣告的網站。隨後，谷歌預計在4月底開始懲罰「過度優化」的網站排名，並鼓勵那些使用白帽技術的優化工程師。

進程

美國時間2013年05月22日，谷歌推出升級版演算法更新方案「Penguin 2.0」。
美國時間2013年10月04日，谷歌推出升級版演算法更新方案「Penguin 2.1」。[1]
美國時間2014年10月17日，谷歌推出升級版演算法更新方案「Penguin 3.0「。[2]

目的

"白帽"SEO可以提高網站的可用性，幫助創建豐富的內容，或者使網站訪問更快，這些對用戶和搜索引擎都是比較友好的，良好的搜索引擎優化也意味著良好的營銷思維的創造性的方式，使網站更具吸引力，這可以幫助搜索引擎以及社會媒體。

背景

網站在網路上，它可以轉化為更多的人鏈接或訪問一個網站。相反使用黑帽的垃圾網站，它們是在追求更高的排名或者流量，他們所使用的技術，是不利於用戶的，目的是尋找捷徑或漏洞，以提高他們網站的排名。我們每天都會看到各種黑帽技術。從關鍵詞堆積到試圖操控搜索排名的鏈接計劃。我們的許多排名變化的目標是幫助搜索者找到網站，提供出色的用戶體驗和滿足他們的信息需求。我們推出了熊貓演算法，在搜索結果中成功的反饋更高品質的網站。在今年早些時候，我們推出了「頁面布局演算法」，降低沒有多少優質內容的網站的排名。在接下來的一些日子，我們將推出一個重要的演算法變化針對垃圾網站，這種變化將降低網站的排名，我們的排名演算法中一直有針對垃圾內容網站的演算法，但是這次有另一個重要的改進。我們努力減少垃圾網站，推薦高質量的內容，創建良好的用戶體驗和白帽的SEO方法，而不是積極從事Spam技術。

手段

1、對運用黑帽手法的網站，倡導運用白帽手法優化；
2、少量的關鍵詞堆砌，包括站內和站外；
3、不相關的spun內容中隨機拔出鏈接，這個是這次演算法針對的一個次要方面；
4、一切言語的網站都會遭到影響；
5、搜索的關鍵詞後果能否是用戶所想要的。

影響

對於這次谷歌過度優化懲罰演算法，雖然對於外貿行業來說是一個打擊，但是我們也要看到好的一面，那就是谷歌演算法正在不斷完善，互聯網正在凈化，這也體現了谷歌的一個公平性。只要我們按照谷歌那樣做，不使用黑帽手法，關鍵詞堆砌以及不相關的鏈接隨機插入等等，相信你網站的排名提高指日可待。

第一次調整

目標：保護原創
方式：為原創作者提供文章點擊率和展示次數。
本質：為用戶提供更好的搜索體驗。
與網路比較：在國內，SEO偽原創已經讓網路變成了「百毒」，各種各樣的偽原創泛濫，以至於網路開始關注SEO了，去年，google推出Google Panda，即熊貓演算法，旨在反垃圾，保護原創；
2012年3月，網路SEO：會出現網路提示您:SEO是一項非常重要的工作,請參考網路關於SEO的建議。可見，無論是國內還是國外，都在保護原創內容了。

如何應對

避免關鍵詞堆砌

在更新內容的時候，保持 2%-3%的關鍵詞密度就 OK 了，保持自然，不用刻意添加。
關鍵詞密度公式如下：=*100)/關鍵詞密度=（關鍵詞數量*100)/*100)/文章數量

避免 Cloaking（偽裝）
Cloaking 是一個黑帽技術，也就是搜索引擎看到的和用戶看到的內容不是一樣的，這些頁面將會被 Google 刪除或者整站懲罰。

避免重復內容

在 2011 年 panda 更新的時候對這個還不是很嚴格，但是對於現在的企鵝演算法，重復內容顯然不被接受，所以盡量保持文章原創和獨立性非常重要。
Tips：
原創文章成本比較高，很多人都會用偽原創的，這里我建議手動，用 TBS 去更改句子、詞語及語法，因為手動的質量會更好高，另外我建議找兩篇差不多內容的文章自行合並調整一下，這樣原創度更高。還可以為文章添加圖片或者視頻，這樣會讓 Google 認為更加有質量。

避免過多的垃圾鏈接

外鏈數量不需要太多，只要合理的每天做一點就好了，必須要記住的一點是，質量比數量重要。

7. 百度和Google的搜索演算法，技術有何差異

網路是中國的，谷歌是美國的。各有側重不能不可比較。技術都是一樣的側重不同罷了。網路側重的是中國民俗，谷歌是側重美國民俗。因為國情國法不同所以無可能比較量級。【搜索引擎技術是硬體加軟體。硬體是實際使用的機器，軟體是程序編程】搜索產品搜索引擎產品其實包括很多種類，並不限於我們最熟悉的全網搜索引擎。簡單分類羅列一下：*全網搜索：包括市場份額最高的幾大搜索引擎巨頭，Google,Yahoo,Bing。*中文搜索：在中文搜索市場中，網路一家獨大，其它幾家如搜狗、搜搜、有道，市場份額相對還比較小。*垂直搜索：在各自的垂直領域成為搜索入口的，購物的淘寶，美食的大眾點評，旅遊的去哪兒，等等。*問答搜索：專注於為問句式提供有效的答案，比如Ask.com；其它的如問答社區像Quora和國內的知乎，應該也會往這方面發展。*知識搜索：典型代表就是WolframAlpha，區別於提供搜索結果列表，它會針對查詢提供更詳細的整合信息。*雲搜索平台：為其它產品和應用提供搜索服務託管平台(SaaS或是PaaS)，Amazon剛剛推出它的CloudSearch,IndexTank在被Linkedin收購之前也是做這項服務。*其它：比始DuckDuckGo，主打隱私保護，也有部分用戶買帳。各種搜索產品在各自領域都需要解決特定的技術和業務問題，所以也可以建立相對通用搜索的優勢，來得到自己的市場和用戶。搜索技術搜索引擎所涉及和涵蓋的技術范圍非常廣，涉及到了系統架構和演算法設計等許多方面。可以說由於搜索引擎的出現，把互聯網產品的技術水平提高到了一個新的高度；搜索引擎無論是在數據和系統規模，還是演算法技術的研究應用深度上，都遠超之前的簡單互聯網產品。列舉一些搜索引擎所涉及到的技術點：*爬蟲(Crawling)*索引結構(InvertedIndex)*檢索模型(VSM&TF-IDF)*搜索排序(RelevanceRanking&Evaluation)*鏈接分析(LinkAnalysis)*分類(Document&QueryClassification)*自然語言處理(NLP:Tokenization,Lemmatization,POSTagging,NER,etc.)*分布式系統(DistributedProcessing&Storage)*等等雖然搜索引擎涉及的技術方方面面，但歸結起來最關鍵的幾點在於：*系統：大規模分布式系統，支撐大規模的數據處理容量和在線查詢負載*數據：數據處理和挖掘能力*演算法：搜索相關性排序，查詢分析，分類，等等系統搜索引擎系統是一個由許多模塊組成的復雜系統。核心模塊通常包括：爬蟲，索引，檢索，排序。除了必需的核心模塊之外，通常還需要一些支持輔助模塊，常見的有鏈接分析，去重，反垃圾，查詢分析，等等。[附圖：搜索系統架構概念模型]*爬蟲從互聯網爬取原始網頁數據，存儲於文檔伺服器。*文檔伺服器存儲原始網頁數據，通宵是分布式Key-Value資料庫，能根據URL/UID快速獲取網頁內容。*索引讀取原始網頁數據，解析網頁，抽取有效欄位，生成索引數據。索引數據的生成方式通常是增量的，分塊/分片的，並會進行索引合並、優化和刪除。生成的索引數據通常包括：字典數據，倒排表，正排表，文檔屬性等。生成的索引存儲於索引伺服器。*索引伺服器存儲索引數據，主要是倒排表。通常是分塊、分片存儲，並支持增量更新和刪除。數據內容量非常大時，還根據類別、主題、時間、網頁質量劃分數據分區和分布，更好地服務在線查詢。*檢索讀取倒排表索引，響應前端查詢請求，返回相關文檔列表數據。*排序對檢索器返回的文檔列表進行排序，基於文檔和查詢的相關性、文檔的鏈接權重等屬性。*鏈接分析收集各網頁的鏈接數據和錨文本（AnchorText），以此計算各網頁鏈接評分，最終會作為網頁屬性參與返回結果排序。*去重提取各網頁的相關特徵屬性，計算相似網頁組，提供離線索引和在線查詢的去重服務。*反垃圾收集各網頁和網站歷史信息，提取垃圾網頁特徵，從而對在線索引中的網頁進行判定，去除垃圾網頁。*查詢分析分析用戶查詢，生成結構化查詢請求，指派到相應的類別、主題數據伺服器進行查詢。*頁面描述/摘要為檢索和排序完成的網頁列表提供相應的描述和摘要。*前端接受用戶請求，分發至相應伺服器，返回查詢結果[附圖：爬蟲系統架構]爬蟲系統也是由多個模塊構成：*URLScheler存儲和高度待爬取的網頁地址。*Downloader根據指定的網頁列表爬取網頁內容，存儲至文檔伺服器。*Processer對網頁內容進行簡單處理，提取一些原始屬性，為爬取的後續操作服務。*TrafficController爬取流量控制，防止對目標網站在短時間內造成過大負載[附圖：搜索系統架構實例：Google這是Google早期的一張系統架構圖，可以看出Google系統的各模塊基本和前面概念模型一致。所以一個完整的全網搜索系統的大致系統架構是類似的，區別和競爭力體現在細節實現和優化上。數據除了搜索引擎系統提供了系統支撐外，搜索結果質量很大程度上依賴於源數據的數量和質量，以及數據處理的能力。全網數據的主要來源通常是從互聯網上進行自動爬取，從一些高質量的種子站點開始，並沿網頁鏈接不斷，收集巨量的網頁數據；這通常能達到數據在數量的要求，但也不可避免混入了大量的低質量網頁。除了自動爬取來的數據外，搜索引擎的數據來源還可以來自人工收集、合作夥伴提供、第三方數據源和API、以及購買；這些來源通常會有更好的質量保證，但在數量規模和覆蓋率上會相對少一些，可以和爬取的數據形成有效的互補。收集到足量的原始數據後，需要進行各種數據處理操作，把原始數據轉換成在線檢索需要的數據。這個過程通常包括：網頁分析，數據抽取，文本處理和分詞，索引及合並；最終生成的數據會包括：詞典，倒排表，正排表，文檔權重和各種屬性。最終生成的數據要布署上相應的在線檢索伺服器上，通常會進行數據分區和分片布署，數據內容更豐富時還可能根據內容分類和主題進行分別布署，比如新聞時效類的網頁可能就會獨立布署，針對性地響應時效類的查詢[附圖：索引數據：字典、倒排表、正排表]這張圖來源於Google早期的索引數據結構，包括詞典、倒排表、正排表。演算法有了相當數量的高質量數據之後，搜索結果的質量改進就取決於搜索演算法的准確性上。現在的搜索引擎通常通過向量空間模型（VSM=VectorSpaceModel）來計算查詢和各文檔之間的文本相似性；即把查詢或文檔抽象成一個詞向量，然後再計算向量在向量空間中的夾角，可以用餘弦公式得出，作為文本相似度的度量值。在基本的向量空間模型基礎上通常會進一步加入詞的權重值進行改進，通過經典的TF-IDF公式得出，即詞頻（TF）乘上逆文檔頻率（IDF）；其中TF=TermFrequency，即該詞在所在文檔中的出現次數；IDF=InvertDocumentFrequency，即包含該詞的文檔數除以總文檔數，再取反，通常還會取對數來降維，這個值值越大表示這個詞越能代表文檔特徵。除了通過向量空間模型得出的文本匹配評分外，每個文檔還會有自己本身的質量評分，通常由網頁鏈接數據計算得出，代表了該網頁本身的流行度權重。最終的評分會以文本匹配的查詢時動態評分和文檔靜態評分為基礎計算得出；搜索引擎的評分計算都會考慮很多因素，但這兩項通常是評分計算的基礎。有了確定的排序演算法後，另一個重要的任務就是評估搜索結果的質量。由於搜索結果的好與壞是一個比較主觀的過程，所以進行定量的評估並不容易。常見的做法是通過事先選定一批查詢，通過人工評估或是預先設定標准值的方式，逐個評估每個設定查詢搜索結果，最終得到一個統計結果，作為搜索演算法的評估度量。另一類做法是直接通過線上的用戶點擊數據來統計評估搜索結果質量，或是通過A/B測試來比較兩種排序演算法的點擊效果來衡量。合理而有效的評估方法，是搜索演算法可以不斷改進和比較的前提。查詢分析是另一個對搜索結果影響很大的方面，主要任務是把用戶的查詢文本轉換成內部的結構化的搜索請求。涉及的處理可能包括基本的分詞處理，專有名詞的識別和提取，或是查詢模式的識別，或是查詢分類的識別。這些處理的准確性將能極大地改進搜索請求的方式，進一步影響搜索結果的相關性和質量。開源方案近年來在搜索公司內部搜索系統和技術的改進和發展的同時，一批開源的搜索系統和解決方案也逐漸發展和成熟起來。當然開源系統在功能全面性、復雜性和規模上都不能與專業的搜索引擎系統相比，但對於中小企業的搜索應用來說應該已經能很好地滿足需求，而且也成功應用到了一些大規模的產品系統中（比如Twitter的搜索就使用和改進了Lucene）。現在比較常見的開源搜索解決方案有：*LuceneLucene自然是現在最流行，使用度最高的搜索開源方案。它用Java開發，以索引和檢索庫的方式提供，可以很容易地嵌入需要的應用中。*Solr&SolrCloudSolr是Lucene的子項目，同屬Apache軟體基金會項目；它是基於Lucene之上實的一個完整的搜索服務應用，提供了大量的搜索定製功能，可以滿足大部分的搜索產品需求。SolrCloud是Solr為了加強其分布式服務能力而開發的功能，目前還在開發階段，將在Solr4.0發布。*Zoie&Sensei(Linkedin)Zoie是Linkedin公司在Lucene基礎上實現的准實時索引庫，通過加入額外的內存索引，來達到准實時索引的效果。Sensei是Linkedin公司在Zoie基礎上實現的分布式搜索服務，通過索引分區來實現分布式搜索服務。*ElasticSearchElasticSearch也是剛推出不久的一個基於Lucene實現的分布式搜索服務，據說在分布式支持和易用性上都有不錯的表現。因為還比較年輕，真實的應用應該還不多，需要觀察。因為也是基於Lucene的分布式開源搜索框架，基本上會與SolrCloud和Sensei形成正面競爭關系。*其它開源產品除了Lucene家族以外，還有一些其它的開源產品，比如Sphinx和Xapian，也有不少的應用；但近年來的更新頻率和社區活躍度都不太能和Lucene系的產品相比。*託管平台除了開源產品外，現在還出現了一些基於雲計算和雲服務的搜索服務，比如Amazon新近推了的CloudSearch，還有更早一些的IndexTank（已被Linkedin收購）。這類服務無需自己布置搜索系統，直接使用在線服務，按需付費，所以也將是開源產品的替代方案和競爭對手。附幾張上面提到的開源系統的概念模型和架構圖：[附圖：Lucene概念模型][附圖：Lucene工作流程][附圖：Sensei系統架構][附圖：SolrCloud系統架構]現狀與未來：傳統的搜索引擎經過了十幾年的發展，目前在技術和產品上都已走向逐漸穩定和成熟，通用搜索的市場也基本進入飽和，不像早些年一直呈現高增長率。同時，在各個垂直領域，也出現了很多和產品結合的很好的垂直搜索產品，比如淘寶的購物搜索，大眾點評的美食搜索，去哪兒和酷訊的旅遊搜索等，也都在各自領域占據了相當大的市場，成為除了通用搜索引擎之外的重要的用戶入口。在開源領域，各種開源產品和解決方案也逐漸發展成熟，通用搜索技術不再為大公司所專有，中小企業能夠以較低的成本實現自己的搜索應用。現在搜索引擎產品之間的競爭的在數據、應用方式和產品形態上，在系統架構和基本演算法上區分並不大。搜索引擎在未來發展上，一是搜索將不僅僅以獨立產品的形式出現，的會作為搜索功能整合到的產品和應用中。在產品形態上，基於傳統的搜索引擎，會演化出像推薦引擎，知識引擎，決策引擎等形式的產品，更好地滿足和服務用戶需求。而搜索引擎所涉及和發展起來的各種技術，會更廣泛地應用到各種基它產品上，比如自然語言處理，推薦和廣告，數據挖掘，等等。總之，搜索引擎對互聯網技術和產品帶來的影響是巨大的，未來也仍將有很大的發展和應用空間。

8. Google搜索與Bai搜索的技術演算法及區別

GOOGLE的計算方法現在已經不適用了..
同行啊

9. 了解谷歌規則就能懂谷歌

淡定，
我相信沒人敢說自己是專家，只不過別人實踐的多，也確實有了很大的效果，我覺得google沒有一沉不變的演算法規則，
大家都需要不斷的跟進，摸索，總結，再去實踐。