谷歌搜索演算法

Ⅰ 搜索引擎演算法都有哪些

這個的話一般來說都不是很清楚，
但如果是一些大體的演算法 如下： 谷歌PR值演算法：（1-d）+d/(pr（t）/pr（y）+……pr（tn）/pr（yn）+……)
D代表0.85 而pr（t）是指友情鏈接的對方網站的PR值 pr（y）是指友情鏈接的對方網站的導出友情鏈接的數量

Ⅱ 谷歌alphago用的什麼演算法

AlphaGo依靠精確的專家評估系統（value network）、基於海量數據的深度神經網路（policy network），及傳統的人工智慧方法蒙特卡洛樹搜索的組合，以及可以通過左右互搏提高自己的水平，這個真的是有的恐怖了有木有。李世石九段固然厲害，可人類畢竟是動物，機器軟體程序是無休止的工作，這一點也是客觀因素了。圍棋九段李世石目前已經一比三了落後alphago了，還有一場15日的比賽可以關注一下（比賽規定即使是在分出勝負的情況下，也要下滿五局）。

Ⅲ 歷史上谷歌Google推出了哪些演算法

谷歌演算法始於PageRank，這是1997年拉里·佩奇(Larry Page)在斯坦福大學讀博士學位時開發的。
佩奇的創新性想法是：把整個互聯網復制到本地資料庫，然後對網頁上所有的鏈接進行分析。基於入鏈接的數量和重要性、及錨文本對網頁的受歡迎程度進行評級，也就是通過網路的集體智慧確定哪些網站最有用。隨著谷歌迅速成為互聯網上最成功的搜索引擎，佩奇和谷歌的另一名創始人塞吉·布林(Sergey Brin)將PageRank這一簡單概念看做谷歌的最根本創新
PageRank具有其優勢，為帶來高質量的搜索結果做出了貢獻。但這種過度依靠外鏈分析單一演算法也具有弊端，那就是很多站長採取作弊手法來增加網站的外鏈，因此網路上有很多垃圾外鏈。
為了應對這種情況谷歌13年更新了其核心演算法，那就是蜂鳥演算法（Hummmingbird)。在此套演算法中，PageRank仍舊起很大作用，但是已經不是唯一的排名機制！隨著時間的推移，外鏈在排名中所起的作用將逐漸衰落！

Ⅳ 了解google用來對網頁進行排序的pagerank演算法，明確哪些因素會影響網頁的pager

一、網頁排名和谷歌演算法的誕生
在谷歌誕生之前那段時間，流行的網頁排名演算法都很類似，它們都使用了一個非常簡單的思想：越是重要的網頁，訪問量就會越大，許多大公司就通過統計網頁的訪問量來進行網頁排名。但是這種排名演算法有兩個很顯著的問題：
1、因為只能夠抽樣統計，所以統計數據不一定準確，而且訪問量的波動會比較大，想要得到准確的統計需要大量的時間和人力，還只能維持很短的有效時間。
2、訪問量並不一定能體現網頁的「重要程度」，可能一些比較早接觸互聯網的網民還記得，那時有很多人推出了專門「刷訪問量」的服務。
那有沒有更好的方法，不統計訪問量就能夠為網頁的重要度排序呢？
就是在這種情況下，1996年初，谷歌公司的創始人，當時還是美國斯坦福大學研究生的佩奇和布林開始了對網頁排序問題的研究。
在1999年，一篇以佩奇為第一作者的論文發表了，論文中介紹了一種叫做PageRank的演算法（具體演算法可查看馬海祥博客《pr值是什麼》的相關介紹），這種演算法的主要思想是：越「重要」的網頁，頁面上的鏈接質量也越高，同時越容易被其它「重要」的網頁鏈接。
於是，演算法完全利用網頁之間互相鏈接的關系來計算網頁的重要程度，將網頁排序徹底變成一個數學問題，終於擺脫了訪問量統計的框框。
二、模擬PageRank演算法的運行過程
在詳細講述這個演算法之前，不妨讓我們用一個游戲，先來簡單模擬一下PageRank演算法的運行過程，以便讀者更好地理解。
三兄弟分30顆豌豆，起初每人10顆，他們每次都要把手裡的豌豆全部平均分給自己喜歡的人，下圖表示了三兄弟各自擁有的初始豌豆數量，以及相互喜歡的關系（箭頭方向表示喜歡，例如老二喜歡老大，老大喜歡老二和老三）。

第一次分配後，我們會得到結果如下：

就這樣，讓游戲一直進行下去，直到他們手中的豌豆數不再變化為止。
那麼這個游戲到底是否可以結束呢，如果可以，最終的結果又是什麼樣的？
在此我們用電腦模擬了這個過程，得出的結果是：老大和老二的盤子里各有12顆豌豆，而老三的盤子里有6顆豌豆，這時候無論游戲怎麼進行下去，盤子里的豌豆數量都不會再變化。
看到這里，讀者可能會問：這個游戲和網頁排序有什麼關系？
實際上，PageRank會給每個網頁一個數值，這個數值越高，就說明這個網頁越「重要」。
而剛剛的游戲中，如果把豌豆的數量看作這個數值（可以不是整數），把孩子們看作網頁，那麼游戲的過程就是PageRank的演算法，而游戲結束時豌豆的分配，就是網頁的PageRank值。
三、PageRank演算法的數學模型
不同於之前的訪問量統計，PageRank求解了這樣一個問題：一個人在網路上瀏覽網頁，每看過一個網頁之後就會隨機點擊網頁上的鏈接訪問新的網頁。
如果當前這個人瀏覽的網頁x已經確定，那麼網頁x上每個鏈接被點擊的概率也是確定的，可以用向量Nx表示。
在這種條件下，這個人點擊了無限多次鏈接後，恰好停留在每個網頁上的概率分別是多少？
在這個模型中，我們用向量Ri來表示點擊了i次鏈接之後可能停留在每個網頁上的概率（則為一開始就打開了每個網頁的概率，後面我們將證明的取值對最終結果沒有影響）。很顯然R i的L1範式為1 ，這也是PageRank演算法本身的要求。
仍以上面的游戲為例，整個瀏覽過程的一開始，我們有：

其中，A表示每一次點擊鏈接概率的矩陣，A的第i列第j行的含義是如果當前訪問的網頁是網頁i，那麼下一次點擊鏈接跳轉到網頁j的概率為 。
這樣設計矩陣A的好處是，通過矩陣A和向量相乘，即可得出點擊一次鏈接後每個網頁可能的停留概率向量。例如，令，可以得到點擊一次鏈接後停留在每個網頁的概率：

之後一直迭代下去，有：

對於上面的例子，迭代結果如下圖：

由上圖我們可以看到，每個網頁停留的概率在振盪之後趨於穩定。
在這種穩定狀態下，我們可以知道，無論如何迭代，都有，這樣我們就獲得了一個方程：

而整個迭代的過程，就是在尋求方程R = AR的解，而無論是多少，迭代無限多次之後，一定會取得令R = AR成立的R值，整個求解R的過程，就如同一個人在一張地圖上的不同位置之間隨機地行走一樣，所以被稱為「隨機行走模型」。
隨機行走模型有一個顯著的特點，那就是每一次迭代的結果只與前一次有關，與更早的結果完全無關，這種過程又被稱為馬爾可夫過程（Markov Process）或馬爾可夫鏈（Markov Chain）。
馬爾可夫過程的數學定義是：如果對於一個隨機變數序列， 其中X n表示時間n的狀態及轉移概率P，有：

即只受的影響，則此過程成為馬爾可夫過程。其中稱作「一步轉移概率」，而兩步、三步轉移概率則可以通過一步轉移概率的積分求得。
當狀態空間有限時，轉移概率可以用用一個矩陣A來表示，稱作轉移矩陣（transition matrix），此時轉移概率的積分即為矩陣的冪，k步轉移概率可以用表示，這也是隨機行走模型中的情況，而對於一個正的（每個元素都為正的）轉移矩陣A ，可以證明一定有：

這就完整解釋了為什麼的取值對最終結果沒有影響。
四、修正「懸掛網頁」帶來的不良影響
但是這里有一個問題：即便的取值對最終結果沒有影響，用R作為網頁排序的依據是否真的合理？
在馬海祥看來，這個其實並不合理，因為當一個網頁只有鏈入鏈接沒有鏈出鏈接的時候，這個網頁就會像一個「黑洞」一樣，將同一個連通子圖中其它網頁流向它的PageRank慢慢「吞掉」（因為演算法中虛擬的用戶一旦進入那樣的網頁，就會由於沒有對外鏈接而永遠停留在那裡），這種網頁我們稱之為「懸掛網頁」（Dangling Link）。
這種「黑洞」效應是如此顯著，以至於在一個連通性良好的互聯網上，哪怕只有一個「懸掛網頁」，也足以使整個互聯網的網頁排序失效，可謂是「一粒老鼠屎壞了一鍋粥」。
為了解決這個問題，佩奇和布林進行了修正，他們意識到，當用戶訪問到「懸掛網頁」時，都不可能也不應該就停留在了這個頁面，而是會自行訪問其它網頁。
雖然對每個用戶來說，自行訪問的網頁與各人的興趣有關，但馬海祥覺得從平均意義上來講，佩奇和布林假定用戶將會在整個互聯網上隨機選取一個網頁進行訪問。
所以他們給PageRank演算法加入了一個新的向量E，它的作用是，按照其中所描述的比例來向全部網頁分配懸掛網頁每一次「吞掉」的PageRank。
這樣，相當於為懸掛網頁添加了鏈向網路上全部網頁的鏈接，避免了懸掛鏈接的出現。
以上就是谷歌背後最重要的PageRank演算法奧秘，與以往那種憑借關鍵詞出現次數所作的排序不同，這種由所有網頁的相互鏈接所確定的排序是不那麼容易做假的，因為做假者再是把自己的網頁吹得天花亂墜，如果沒有真正吸引人的內容，別人不鏈接它，一切就還是枉然。
而且「佩奇排序」還有一個重要特點，那就是它只與互聯網的結構有關，而與用戶具體搜索的東西無關，這意味著排序計算可以單獨進行，而無需在用戶鍵入搜索指令後才臨時進行，谷歌搜索的速度之所以快捷，在很大程度上得益於此。
馬海祥博客點評：
最後，我要強調的一點是，雖然PageRank是Google搜索結果排序的重要依據，並以此發家，不過它並不是全部依據，實際上，Google發展到現在，已同時用了數百種不同的演算法來確定最終顯示給用戶的搜索結果順序。

Ⅳ Google搜索比百度搜索好在哪些地方

google有可開關的「安全搜索」，根據讓用戶根據自己喜好和接受度打開或關閉安全搜索。而網路，什麼都不說，先主動幫你和諧了一些內容，遇到某些敏感詞的時候，再和諧一些內容，然後這樣告訴你：根據相關法律法規和政策，部分搜索結果未予顯示。但從來不會告訴你是哪個法律和政策。google可以搜到幾乎全網的視頻，而網路大多是國內的。話說youtube有的視頻我真的懶得去優酷等悠長又乏味的廣告。網路除國內網頁收錄數量不錯外，其他網頁收錄(包括港台網頁)很不足。google可篩選不同地區不同文字的網頁，網路不可以。google的演算法更尊重原創內容。軟體「格式工廠」為例：google上的首個鏈接就是格式工廠的官網。而網路，第一頁是各種第三方下載站，至於官網，在第二頁。在google上，包含更多原創內容的維基網路權重比其他網路高，而網路上，網路常常排在維基網路前面。知乎日報剛上線，搜索「知乎日報」，google的第一條是「知乎日報」的新聞搜索，第二條就是官網知乎日報。而網路，知乎日報的官網在第五頁的最後的一條。google的圖片和網頁搜索可對搜索內容按「使用許可權」進行篩選。網路不可以。google的圖片搜索演算法更精準。google的以圖搜圖比網路的精準太多。你在網路搜」cat「看看，第一頁第二行有幾張鞋子的照片……google可對圖片設置安全搜索、使用許可權搜索。google的進階搜索(高級搜索)可篩選條件更多，網路稍缺。下面都是google有而網路沒有的。按不同地區搜索按不同語言搜索視頻按不同畫質搜索圖片和網頁按使用許可權搜索還有一些按類型的篩選，如論壇搜索、博客搜索。關於框計算。(google也有類似框計算的東西，但不知道它叫什麼名字，先這么稱呼吧。)以下可看出google想做搜索，而網路想做介面。以「一代宗師」為例，網路的框計算UI很突兀，又按鈕又色塊，google的就易接受很多。而且網路的框計算來自自己的內容和其他商業公司的內容，google的框計算內容來自維基網路。以」camera360「 為例，網路框計算為網路應用的內容，首頁沒有google play和蘋果商店，而google搜索頁面有google play和蘋果商店(並有打分)，也有豌豆莢等第三方商店頁面。除了網路應用，網路的其他產品也喜歡摻合進來，例如你在網路音樂搜音樂，其實是在「網路音樂」這個站內搜音樂，而不是全網的音樂，例如你在網路文庫搜文檔，其實是在「網路文庫」這個站內搜文檔，而不是全網。google的產品和google搜索分得比較開，google的產品在那個黑又硬導航條上面，和google搜索是分開的。google搜索上，除了地圖，google的產品不會獨成一個搜索。簡體中文搜索方面，差別沒有很大，個人感覺網路相關度不夠google，並且廣告站過多。再加上面差距積累下來，影響明顯。—完—本文作者：Soso標簽：Google 網路 轉載申明：為了給廣大網友提供更有價值的內容，我會把我認為優秀的互聯網方面的文章轉載於此。

Ⅵ 深圳SEO歷史上谷歌Google推出了哪些演算法

馬加比更新(Maccabees Update)

上線時間：2017年12月12號

受影響網站：刻意為各種關鍵片語合建立大量著陸頁，比如「地名A+服務a「、」地名A+服務b」、「地名B+服務a」等等，為了覆蓋這些關鍵詞，製造大量頁面，質量通常不會高。

馬加比這個名字是 SERoundtable.com的Barry Schwartz起的，不是Google官方給的名字，因為Google貌似不會再公布演算法更新了，更不要說起名字了。Barry Schwartz起這個名字是因為這次更新發生在猶太人的光明節期間，光明節是紀念馬加比家族的。Google在某種程度上確認了這次更新，不過只是說，在這段時間上線了幾個小更新，是提高相關性日常工作的一部分。

移動優先索引(Mobile First Index)

上線時間：2017年10月中旬

受影響網站：移動優先索引指的是Google優先索引網站移動版本，並作為排名依據。以前都是索引PC版本並計算排名的。移動優先索引Google在2016年底就開始宣傳了，但一直沒有推出，估計影響面比較大。2017年10月中旬左右，Google透露一小部分網站已經開始轉為移動優先索引。

貓頭鷹更新(Project Owl)

公布時間：2017年4月25號

受影響網站：虛假新聞內容，如編造的假新聞，極度偏見、煽動仇恨，謠言等。參見以前寫的關於貓頭鷹演算法的帖子。

弗雷德更新(Fred Update)

上線時間：2017年3月8號

受影響網站：廣告過多的低質量內容站，這類網站之所以存在，就是為了放 Adsense之類的廣告，並沒有提供給用戶更多價值。

為什麼叫Fred更新呢?因為SEO們問Google員工Gary Illyes這次更新叫啥名字時，Gary Illyes隨便給了個名字，貌似是他養的魚的名字，為什麼想起這條魚的名字呢?因為Gary Illyes剛給這條魚拍了張照片，就是右邊這張。Gary Illyes說，以後除非另行說明，不然所有更新都叫Fred了。就這么任性，就這么草率。

移動頁面干擾插頁懲罰演算法(Intrusive Interstitial Penalty)

上線時間：2017年1月10號

受影響網站：這個懲罰演算法針對移動頁面：擋住主題內容的彈窗，干擾用戶訪問的大幅插頁式廣告，用戶需要關掉插頁才能看到頁面實際內容，有時候需要等5-10秒才能關掉。不過據統計，被懲罰的網站並不多。

企鵝更新4.0(Penguin 4.0)

上線時間：2016年9月23號，10月12號左右完成

受影響網站：和以前的企鵝更新一樣，受影響的是有低質量外鏈的網站。Penguin 4.0是最後一次企鵝系列演算法更新了，因為企鵝演算法以後成為核心排名演算法的一部分，實時更新。

另外，以前的企鵝更新是懲罰網站，4.0是不計算低質量外鏈，降低負面SEO的可能性。

移動友好演算法2(Mobile Friendly Algorithm 2)

上線時間：2016年4月21號

受影響網站：2015年4月21號第一次Google移動友好演算法的一次更新，使更多移動友好頁面能被用戶看到。

APP安裝插頁廣告懲罰(APP Install Interstitial Penalty)

上線時間：2015年11月2號

受影響網站：頁面會彈出大幅、遮擋主體內容的插頁，要求用戶下載APP，這種頁面被認為不移動友好，在移動搜索中會被降低排名。頁面可以建議用戶下載APP，但廣告不要大幅甚至全屏，做成頂部banner之類的是沒問題的。

RankBrain

上線時間：消息公布時間是2015年10月26號，通過 Bloomberg的一篇文章。演算法上線時間應該是數月前，2015年上半年。

RankBrain嚴格說來不算是排名演算法，而是以人工智慧為基礎的深入理解用戶查詢詞的系統，尤其是長尾的、不常出現的查詢。2015年剛上線時，15%查詢詞經過RankBrain處理，可能是效果很好，2016年開始所有查詢詞都經過RankBrain處理。RankBrain的例子參考以前的帖子。

被黑網站刪除演算法(Hacked Spam)

上線時間：2015年10月

受影響網站：被黑的網站，包括病毒、引導流量到色情、侵權產品、非法葯物網站等。這些頁面會從搜索結果這直接刪除，所以有時候搜索結果頁面可能只有8、9個結果。以前通常是在搜索結果中標注這個頁面可能被黑了，現在直接刪除了。5%左右的查詢受到影響。檢查自己網站是否被黑還是挺重要的。

熊貓演算法4.2(Panda Update 4.2)

上線時間：2015年7月18號

自2011年推出以來，熊貓演算法經歷了近30次更新，Panda 4.2是最後一次，幾個月才完成。這之後，熊貓演算法成為Google核心演算法的一部分，雖然還會有更新，但不再單獨給名字了。

質量更新(Quality Update)

上線時間：2015年5月1號左右

受影響網站：內容質量低的頁面，但不是熊貓演算法。Google雖然確認了這次更新，但表示，這只是Google經常做的演算法更新之一，調整了評估內容質量的方法，沒什麼特殊的。

移動友好演算法(Mobile Friendly Algorithm)

上線時間：2015年4月21號

受影響網站：在移動搜索中給予移動友好的網站排名提升。也被稱為Mobilegeddon – 天劫演算法。

所謂移動友好，其實沒那麼復雜，用戶能正常在手機訪問頁面就行了，所以字體不要太小，字距行距不要太小，用戶不需要左右拉屏幕，手指頭點擊鏈接時不會點錯地方，速度夠快等等。自己用手機看看自己網站就知道是否移動友好了。也可以參考一下本博客移動SEO的帖子。

移動友好演算法是針對頁面級別的，需要頁面重新抓取、索引後才能判斷是否移動友好。所以演算法本身4月底上線，但受影響的頁面可能不是馬上見到效果。

Google曾經預報說移動友好演算法比熊貓和企鵝更新的影響還要大，但由於Google很早就提醒SEO們移動友好的重要性，很多網站已經做了移動優化，所以這次更新沒有預計的那麼有震撼性。

HTTPS更新(HTTPS Update)

上線時間：2014年8月7號

受影響網站：使用了https的頁面排名會稍微提升一點。Google聲明這只是個很小的排名因素，但事實上對網站採用https起到了很大推動作用。

鴿子更新(Pigeon Update)

上線時間：2014年7月24號

受影響網站：鴿子更新是本地搜索演算法的一次更新，改進了距離和定位排名演算法參數。這個名字不是Google起的，是SearchEngineLand給起的。之所以取「鴿子」這個名字是因為，鴿子會回家，有本地意識。

蜂鳥更新(Hummingbird Algorithm)

上線時間：2013年8月

受影響網站：蜂鳥更新是一次排名演算法的重寫，改進對查詢詞真實意圖的理解，更重要的是未來的擴展性。雖然代碼是完全重寫的，但排名因素及參數大概變化不多，所以上線後基本上SEO行業沒有人注意到。

發薪日貸款演算法(Payday Loan Algorithm)

上線時間：2013年6月13號

受影響網站：針對垃圾和黑帽手法盛行的一些行業的查詢詞重點打擊，如payday loan(發薪日貸款，一種小額、短期、利息高的貸款，一般下個發薪日就還上)、色情等。這些行業常用的作弊手法也經常是非法的。

2014年5月16號，發薪日貸款演算法2.0上線，2014年6月12號，演算法3.0上線。

完全匹配域名懲罰(EMD Update)

上線時間：2012年9月29號

受影響網站：低質量的完全匹配域名(exact match domain)網站，也就是域名與目標關鍵詞完全一樣。URL中包含關鍵詞對排名有一些幫助，所以不少SEO用目標關鍵詞注冊域名。這種域名確實有過好處，但現在內容不行的話可能被懲罰。

DMCA懲罰演算法(DMCA Takedown Penalty)

上線時間：2012年8月13號

受影響網站：DMCA，Digital Millennium Copyright Act，數字千年版權法案，根據這個法案，版權作品被侵權，版權所有人可以向服務商要求刪除侵權內容，服務商可以是主機商，域名注冊商，ISP，以及搜索引擎。DMCA演算法就是對收到很多侵權投訴刪除要求的網站，Google給予排名懲罰。

DMCA Takedown Penalty又被稱為pirate update，海盜演算法。

2014年10月21號，DMCA懲罰演算法上線2.0版本，很多BT種子網站、視頻網站被大幅懲罰。

企鵝更新(Penguin Update)

上線時間：2012年4月24號

受影響網站：Google的官方帖子聲明打擊的是違反Google質量指南的垃圾網站，後續排名變化的分析表明主要受懲罰的是為獲得排名製造大量垃圾外鏈、低質量外鏈的網站。企鵝演算法1.0影響了3.1%英文查詢，3%左右的中文、德文等查詢。

企鵝演算法和熊貓演算法是兩個最著名的Google懲罰性演算法，受到影響的網站范圍大，據調查，60%的SEO反映自己網站被Penguin演算法懲罰了。

企鵝對今天的SEO方法，尤其是外鏈建設方法，產生了很大影響。不僅製造外鏈要非常小心，大部分以前常用的方法現在都被Google明確警告可能會被懲罰，現在SEO們更頭疼的是怎樣刪除低質量外鏈和以前發的垃圾外鏈，這比製造外鏈還困難。

頁面布局懲罰演算法(Page Layout Algorithm)

上線時間：2012年1月

受影響網站：第一屏顯示過多廣告的頁面被降低排名。因此也常被稱為Ads Above The Fold(第一屏廣告)演算法。

1%的查詢詞受影響。被懲罰的網站修改頁面布局後，Google重新抓取、索引，如果頁面用戶體驗已經改善，就會自動恢復。

2012年10月9號，Page Layout 2.0，2014年2月6號，Page Layout 3.0分別上線。

新鮮度更新(Freshness Update)

上線時間：2011年11月3號

受影響網站：Google官方帖子明確表示：更新鮮的內容會被更多展示在搜索結果中，尤其是最近的事件或熱門話題、定期舉辦或發生的事件(如奧運會之類)、經常會更新的信息(如最新產品)。影響了35%的查詢。

當然，這只適用於更需要新鮮信息的查詢，有的查詢並沒有太大實效性，如菜譜，就不必太擔心。

熊貓更新(Panda Update)

上線時間：2011年2月24號

受影響網站：內容低質量的頁面排名被降低，如轉載、抄襲的內容，大量用戶發的垃圾留言、主體內容太少、關鍵詞堆積等等。

熊貓更新打擊面大，影響大致12的查詢結果，對現今SEO方法產生了重要影響。Panda演算法最初是後台計算，集中上線，從2011年上線到2015年融入到核心演算法中，經歷了近30次更新。

熊貓演算法更新最初被SearchEngineLand命名為Farmers Update，內容農場更新，後來Google自己公布了演算法代碼是Panda，和咱們的熊貓沒關系，是Google內部開發此演算法的主要工程師之一的名字叫Panda。

採集懲罰演算法(Scraper Algorithm)

上線時間：2011年1月28號

受影響網站：Matt Cutts的博客帖子公布的這個演算法，採集、抄襲的內容頁面被懲罰，獎勵原出處。2%查詢受影響。

負面評價處理(Negative Review)

上線時間：2010年12月1號

受影響網站：這個演算法是由於 Google的人讀到紐約時報的一篇報道，一位顧客在某商家的體驗很差，所以上網寫了負面評論，但負面評論卻給商家帶來更多鏈接，鏈接又導致商家網站排名上升，帶來更多生意。Google很快採取措施，檢測這類負面評論，降低相應商家排名。

咖啡因更新(Caffeine)

上線時間：2010年6月1號

受影響網站：咖啡因更新是一次索引系統代碼的重寫，新系統比舊系統50%的內容更新，索引數量也更大，更有擴展性，速度更快。原來的索引系統是分層的，有的內容(重要內容)抓取索引更快，有的內容就得等比較長時間。咖啡因系統把網路分成小區塊，持續更新索引庫，發現新頁面，或老頁面上的新內容，直接進入索引庫。

Mayday Update

上線時間：2010年4月28號-5月3號

受影響網站：根據Matt Cutts的視頻說明，Mayday更新主要針對長尾查詢詞，演算法會尋找哪些網站的頁面質量更符合要求。當然這種說明說了也是和沒說差不多。SEO們的觀察是，受影響的主要是大型網站上離首頁點擊距離比較遠、沒什麼外鏈、內容沒有什麼附加價值的頁面 — 很多電商網站的產品頁面就是這樣的，內容是供應商給的，也不大可能有外鏈。

Mayday指的是發生在5月份，不是求救的那個Mayday。

頁面速度因素(Page Speed Ranking Factor)

上線時間：2010年4月

受影響網站：顧名思義，打開速度快的頁面排名會給予提升，雖然幅度不大。速度的測量包括蜘蛛抓取時頁面的反應速度和工具條記錄的用戶打開頁面時間。

2013年6月，Matt Cutts暗示，速度特別慢的頁面可能會被懲罰，不過也不用特別擔心，除非頁面速度慢到一定程度。

Vince/品牌更新(Vince/Brand Update)

上線時間：2009年2月1號

受影響網站：大品牌網站頁面在很多查詢結果中(都是非長尾的大詞)排名顯著提高，所以最初被稱為品牌更新。以前帖子寫過Vince/品牌更新。

Matt Cutts後來解釋，這次更新其實其實只是很小的變化，負責的Google工程師名字叫Vince，所以Google內部代碼名稱是Vince。這個變化並不是刻意針對大品牌，而是提升信任度在排名中的作用，而信任度、質量、鏈接這些方面，大品牌更有優勢，所以表現出來的效果好像是大品牌頁面被提升。

Dewey Update

上線時間：2008年3月

受影響網站：不明，SEO行業觀察到排名劇烈變動，但沒有找到明顯規律。Dewey這個名字的來源是因為Matt Cutts在 webmasterworld論壇里徵求這次演算法更新的反饋意見，站長需要在反饋中標明Dewey這個詞，可能是Google內部的識別代碼。

大爸爸(Big Daddy)

上線時間：2005年12月-2006年3月

大爸爸是一次Google演算法基礎架構的重寫，解決了網址規范化、301/302轉向等技術問題。大爸爸是一個數據中心一個數據中心更新的，不是同時上線的。

大爸爸這名字怎麼來的?據Matt Cutts帖子說，2005年12月的Pubcon會議上，Matt Cutts徵求大家對這次更新的反饋，Matt Cutts知道更新已經在一個數據中心上線了，所以問大家有什麼好名字來指這個數據中心，一位站長說，叫BigDaddy吧，他孩子就這么叫他的，Matt Cutts覺得挺好，就叫這個名字了。

我當年開始寫SEO每天一貼就是大爸爸完成更新那段時間，第3篇帖子就是介紹大爸爸更新情況。Robin同志給我的第一個留言就在那篇帖子上，沙發，後來才有了點石，和很多中國SEO行業的故事。

Jagger Update

上線時間：2005年9-11月

受影響網站：Jagger分3個階段上線，所以有Jagger1, Jagger2, Jagger3的名字。Jagger更新主要打擊低質量鏈接，如交換鏈接、鏈接農場、買賣鏈接等。

早期的Google演算法更新基本上都是webmasterworld命名的，Jagger也是webmasterworld創始人Brett Tabke起的名字，下面提到的更新名稱大多是他們命名的。但貌似Jagger是最後一個，後來的名字大多是Google自己公布的了。

Bourbon Update

上線時間：2005年5月

受影響網站：早期Google更新往往沒有官方信息，所以針對的是哪些網站經常不明，只是監測到排名有比較大變化。Bourbon一般認為與網址規范化有關。

Bourbon這個名字也是webmasterworld起的，原因是webmasterworld即將在新奧爾良舉行一個行業會議，Bourbon是新奧爾良的一條著名老街道。

Allegra Update

上線時間：2005年2月

受影響網站：不明確，或者說范圍廣泛，包括低質量外鏈、關鍵詞堆積、過度優化等。

公布支持nofollow

上線時間：2005年1月

現在SEO對nofollow肯定都很熟悉了，包括網路，所有主流搜索引擎都支持nofollow。還不知道的請參考以前關於nofollow的帖子。

Brandy Update

上線時間：2004年2月

受影響網站：鏈接錨文字作用提高，鏈接需要來自好鄰居的概念第一次被提出來。索引庫增長，抓取索引了很多新的鏈接，一些網站獲得了更高權威度。

弗羅里達更新(Florida Update)

上線時間：2003年11月

受影響網站：弗羅里達更新是早期最著名的Google演算法更新，影響面大，受影響的以商業意圖明顯的詞為主，一些靠搜索流量的小公司倒閉，有的SEO公司因此陷入困境，因為客戶網站排名下降，不續費了。弗羅里達更新的後果大到，Google曾經承諾，以後不在年底上線這么大的更新了，以免劇烈影響很多商家的聖誕季銷售業績。

Florida Update打擊了一系列不自然的優化方法，包括隱藏文字、關鍵詞堆積、鏈接農場、大量交換鏈接、過度優化。Florida徹底改變了SEO，可以說是現在SEO方法的起點。

Florida也是webmasterworld命名的，因為他們的命名方法該排到字母F打頭了(為什麼到了F打頭，見下面Boston更新說明)，而第二年2月他們要在弗羅里達的奧蘭多舉行Pubcon大會，所以就用了Florida。

Update Fritz

上線時間：2003年7月

Fritz更新是Google轉為每天持續小幅更新索引的開始，這種更新方法又被稱為everflux。

Update Fritz這個名字是Matt Cutts在他2006年的博客帖子里提到的Google內部名稱，不是webmasterworld命名系列裡的。

Esmeralda Update

上線時間：2003年6月1號

這是早期每個月發生一次的Google Dance的最後一次。這次更新之後，Google演算法更新改為小幅、持續性的，當然這是相對Google Dance每個月一次、持續數天、排名劇烈波動而言。准確地說，Google Dance是索引更新，不是演算法更新。Esmeralda更新之後，Google就不再Dance了。

Dominic Update

上線時間：2003年5月1號

早期Google Dance的一次。Dominic也是webmasterworld命名，名稱來源於參加Boston Pubcon大會時大家常去的一家披薩飯館。

Cassandra Update

上線時間：2003年4月1號

Brett Tabke和webmasterworld第一次特意給Google更新起名字。既然第一個名字是Boston，是個男名，這次應該是C打頭的女名，大家投票，Cassandra勝出，沒有其它特別意義。

Boston Update

上線時間：2003年2月1號

2003年波士頓舉行的SES大會上，Google員工公布了這次更新，為了和其它Google Dance以示區別，取名Boston。

webmasterworld的創始人Brett Tabke就想，給更新取名字是個挺好的主意，所以就效仿台風的命名方法給Google更新取名，按字母排序，男名女名間隔，也得到了Google的首肯。所以早期的Google演算法更新大多是webmasterworld命名的。

Google Dance

早期Google索引庫每個月更新一次，是線下計算，然後集中上線。由於數據量大，需要一個數據中心一個數據中心地上線，不是同時上線的。在更新期間，用戶這分鍾訪問的是一個數據中心，下一分鍾可能訪問的是另一個數據中心，看到的搜索結果可能有很大差別，因此被稱為Google Dance。

從2000年7月開始，webmasterworld每個月開一個新帖，討論每一次Google Dance情況，一直到2003年2月的Boston更新第一次有了名稱，以前的Google Dance都是沒有名字的。這里是當年Google Dance更新討論的大列表。

Ⅶ Google 圖片搜索的原理是什麼

Google圖片搜索的原理，一般是三個步驟：

1. 將目標圖片進行特徵提取，描述圖像的演算法很多，用的比較多的是：SIFT描述子，指紋演算法函數，bundling features演算法，hash function(散列函數)等。也可以根據不同的圖像，設計不同的演算法，比如圖像局部N階矩的方法提取圖像特徵。

2. 將圖像特徵信息進行編碼，並將海量圖像編碼做查找表。對於目標圖像，可以對解析度較大的圖像進行降采樣，減少運算量後在進行圖像特徵提取和編碼處理。

3. 相似度匹配運算：利用目標圖像的編碼值，在圖像搜索引擎中的圖像資料庫進行全局或是局部的相似度計算;根據所需要的魯棒性，設定閾值，然後將相似度高的圖片預保留下來;最後應該還有一步篩選最佳匹配圖片，這個應該還是用到特徵檢測演算法。

Ⅷ 谷歌新演算法生效：否定納粹大屠殺的搜索結果被刪

近日，谷歌搜索引擎上線生效了一項新的演算法，即針對否定歷史和權威內容的信息直接採取刪除索引的做法，比如針對「否定納粹大屠殺」的搜索結果，谷歌就做了搜索結果刪除！

據了解，谷歌上線該演算法的原因源於有人利用自建網站宣傳白人種族優越論，並否認二戰時期真實發生過納粹大屠殺，有人檢索該信息的時候被誤導，從而引起媒體和網友的熱烈討論，因此，谷歌上線生效了新的演算法，對該類違背歷史的索引結果做了刪除處理！

不過，對於谷歌是永久使用該演算法，目前並沒有給出明確的答復，不過，相比以往直接進行排名干預和降權的懲罰措施，谷歌的做法已經進步了很多，未來的自動化處理演算法程序更會幫助谷歌為用戶提供更加權威、正規的檢索結果！

聲明：本文由文棟說自媒體網站原創、公眾號LWD3699分發，享有獨立版權，轉載敬請保留本段版權！

Ⅸ 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。

Ⅹ Google 搜索演算法為何會越來越懂我們

因為現在科技以及信息發展的快的我們根本就無法去想像，它會自動記錄你以前說過的話，用過的詞，繼而了解到機主到底喜歡什麼，討厭什麼。

值得一提的是，BERT通過自學知道這些單詞。 Google設置了BERT來收集英語句子集合，以隨機刪除15％的單詞，然後顯示刪除的單詞是什麼。在這方面，高級研究員兼研究副總裁傑夫·迪恩（Jeff Dean）說，培訓使NLP模型在了解一段時間內的情況方面更加有效。