谷歌搜索算法

Ⅰ 搜索引擎算法都有哪些

这个的话一般来说都不是很清楚，
但如果是一些大体的算法 如下： 谷歌PR值算法：（1-d）+d/(pr（t）/pr（y）+……pr（tn）/pr（yn）+……)
D代表0.85 而pr（t）是指友情链接的对方网站的PR值 pr（y）是指友情链接的对方网站的导出友情链接的数量

Ⅱ 谷歌alphago用的什么算法

AlphaGo依靠精确的专家评估系统（value network）、基于海量数据的深度神经网络（policy network），及传统的人工智能方法蒙特卡洛树搜索的组合，以及可以通过左右互搏提高自己的水平，这个真的是有的恐怖了有木有。李世石九段固然厉害，可人类毕竟是动物，机器软件程序是无休止的工作，这一点也是客观因素了。围棋九段李世石目前已经一比三了落后alphago了，还有一场15日的比赛可以关注一下（比赛规定即使是在分出胜负的情况下，也要下满五局）。

Ⅲ 历史上谷歌Google推出了哪些算法

谷歌算法始于PageRank，这是1997年拉里·佩奇(Larry Page)在斯坦福大学读博士学位时开发的。
佩奇的创新性想法是：把整个互联网复制到本地数据库，然后对网页上所有的链接进行分析。基于入链接的数量和重要性、及锚文本对网页的受欢迎程度进行评级，也就是通过网络的集体智慧确定哪些网站最有用。随着谷歌迅速成为互联网上最成功的搜索引擎，佩奇和谷歌的另一名创始人塞吉·布林(Sergey Brin)将PageRank这一简单概念看做谷歌的最根本创新
PageRank具有其优势，为带来高质量的搜索结果做出了贡献。但这种过度依靠外链分析单一算法也具有弊端，那就是很多站长采取作弊手法来增加网站的外链，因此网络上有很多垃圾外链。
为了应对这种情况谷歌13年更新了其核心算法，那就是蜂鸟算法（Hummmingbird)。在此套算法中，PageRank仍旧起很大作用，但是已经不是唯一的排名机制！随着时间的推移，外链在排名中所起的作用将逐渐衰落！

Ⅳ 了解google用来对网页进行排序的pagerank算法，明确哪些因素会影响网页的pager

一、网页排名和谷歌算法的诞生
在谷歌诞生之前那段时间，流行的网页排名算法都很类似，它们都使用了一个非常简单的思想：越是重要的网页，访问量就会越大，许多大公司就通过统计网页的访问量来进行网页排名。但是这种排名算法有两个很显着的问题：
1、因为只能够抽样统计，所以统计数据不一定准确，而且访问量的波动会比较大，想要得到准确的统计需要大量的时间和人力，还只能维持很短的有效时间。
2、访问量并不一定能体现网页的“重要程度”，可能一些比较早接触互联网的网民还记得，那时有很多人推出了专门“刷访问量”的服务。
那有没有更好的方法，不统计访问量就能够为网页的重要度排序呢？
就是在这种情况下，1996年初，谷歌公司的创始人，当时还是美国斯坦福大学研究生的佩奇和布林开始了对网页排序问题的研究。
在1999年，一篇以佩奇为第一作者的论文发表了，论文中介绍了一种叫做PageRank的算法（具体算法可查看马海祥博客《pr值是什么》的相关介绍），这种算法的主要思想是：越“重要”的网页，页面上的链接质量也越高，同时越容易被其它“重要”的网页链接。
于是，算法完全利用网页之间互相链接的关系来计算网页的重要程度，将网页排序彻底变成一个数学问题，终于摆脱了访问量统计的框框。
二、模拟PageRank算法的运行过程
在详细讲述这个算法之前，不妨让我们用一个游戏，先来简单模拟一下PageRank算法的运行过程，以便读者更好地理解。
三兄弟分30颗豌豆，起初每人10颗，他们每次都要把手里的豌豆全部平均分给自己喜欢的人，下图表示了三兄弟各自拥有的初始豌豆数量，以及相互喜欢的关系（箭头方向表示喜欢，例如老二喜欢老大，老大喜欢老二和老三）。

第一次分配后，我们会得到结果如下：

就这样，让游戏一直进行下去，直到他们手中的豌豆数不再变化为止。
那么这个游戏到底是否可以结束呢，如果可以，最终的结果又是什么样的？
在此我们用电脑模拟了这个过程，得出的结果是：老大和老二的盘子里各有12颗豌豆，而老三的盘子里有6颗豌豆，这时候无论游戏怎么进行下去，盘子里的豌豆数量都不会再变化。
看到这里，读者可能会问：这个游戏和网页排序有什么关系？
实际上，PageRank会给每个网页一个数值，这个数值越高，就说明这个网页越“重要”。
而刚刚的游戏中，如果把豌豆的数量看作这个数值（可以不是整数），把孩子们看作网页，那么游戏的过程就是PageRank的算法，而游戏结束时豌豆的分配，就是网页的PageRank值。
三、PageRank算法的数学模型
不同于之前的访问量统计，PageRank求解了这样一个问题：一个人在网络上浏览网页，每看过一个网页之后就会随机点击网页上的链接访问新的网页。
如果当前这个人浏览的网页x已经确定，那么网页x上每个链接被点击的概率也是确定的，可以用向量Nx表示。
在这种条件下，这个人点击了无限多次链接后，恰好停留在每个网页上的概率分别是多少？
在这个模型中，我们用向量Ri来表示点击了i次链接之后可能停留在每个网页上的概率（则为一开始就打开了每个网页的概率，后面我们将证明的取值对最终结果没有影响）。很显然R i的L1范式为1 ，这也是PageRank算法本身的要求。
仍以上面的游戏为例，整个浏览过程的一开始，我们有：

其中，A表示每一次点击链接概率的矩阵，A的第i列第j行的含义是如果当前访问的网页是网页i，那么下一次点击链接跳转到网页j的概率为 。
这样设计矩阵A的好处是，通过矩阵A和向量相乘，即可得出点击一次链接后每个网页可能的停留概率向量。例如，令，可以得到点击一次链接后停留在每个网页的概率：

之后一直迭代下去，有：

对于上面的例子，迭代结果如下图：

由上图我们可以看到，每个网页停留的概率在振荡之后趋于稳定。
在这种稳定状态下，我们可以知道，无论如何迭代，都有，这样我们就获得了一个方程：

而整个迭代的过程，就是在寻求方程R = AR的解，而无论是多少，迭代无限多次之后，一定会取得令R = AR成立的R值，整个求解R的过程，就如同一个人在一张地图上的不同位置之间随机地行走一样，所以被称为“随机行走模型”。
随机行走模型有一个显着的特点，那就是每一次迭代的结果只与前一次有关，与更早的结果完全无关，这种过程又被称为马尔可夫过程（Markov Process）或马尔可夫链（Markov Chain）。
马尔可夫过程的数学定义是：如果对于一个随机变量序列， 其中X n表示时间n的状态及转移概率P，有：

即只受的影响，则此过程成为马尔可夫过程。其中称作“一步转移概率”，而两步、三步转移概率则可以通过一步转移概率的积分求得。
当状态空间有限时，转移概率可以用用一个矩阵A来表示，称作转移矩阵（transition matrix），此时转移概率的积分即为矩阵的幂，k步转移概率可以用表示，这也是随机行走模型中的情况，而对于一个正的（每个元素都为正的）转移矩阵A ，可以证明一定有：

这就完整解释了为什么的取值对最终结果没有影响。
四、修正“悬挂网页”带来的不良影响
但是这里有一个问题：即便的取值对最终结果没有影响，用R作为网页排序的依据是否真的合理？
在马海祥看来，这个其实并不合理，因为当一个网页只有链入链接没有链出链接的时候，这个网页就会像一个“黑洞”一样，将同一个连通子图中其它网页流向它的PageRank慢慢“吞掉”（因为算法中虚拟的用户一旦进入那样的网页，就会由于没有对外链接而永远停留在那里），这种网页我们称之为“悬挂网页”（Dangling Link）。
这种“黑洞”效应是如此显着，以至于在一个连通性良好的互联网上，哪怕只有一个“悬挂网页”，也足以使整个互联网的网页排序失效，可谓是“一粒老鼠屎坏了一锅粥”。
为了解决这个问题，佩奇和布林进行了修正，他们意识到，当用户访问到“悬挂网页”时，都不可能也不应该就停留在了这个页面，而是会自行访问其它网页。
虽然对每个用户来说，自行访问的网页与各人的兴趣有关，但马海祥觉得从平均意义上来讲，佩奇和布林假定用户将会在整个互联网上随机选取一个网页进行访问。
所以他们给PageRank算法加入了一个新的向量E，它的作用是，按照其中所描述的比例来向全部网页分配悬挂网页每一次“吞掉”的PageRank。
这样，相当于为悬挂网页添加了链向网络上全部网页的链接，避免了悬挂链接的出现。
以上就是谷歌背后最重要的PageRank算法奥秘，与以往那种凭借关键词出现次数所作的排序不同，这种由所有网页的相互链接所确定的排序是不那么容易做假的，因为做假者再是把自己的网页吹得天花乱坠，如果没有真正吸引人的内容，别人不链接它，一切就还是枉然。
而且“佩奇排序”还有一个重要特点，那就是它只与互联网的结构有关，而与用户具体搜索的东西无关，这意味着排序计算可以单独进行，而无需在用户键入搜索指令后才临时进行，谷歌搜索的速度之所以快捷，在很大程度上得益于此。
马海祥博客点评：
最后，我要强调的一点是，虽然PageRank是Google搜索结果排序的重要依据，并以此发家，不过它并不是全部依据，实际上，Google发展到现在，已同时用了数百种不同的算法来确定最终显示给用户的搜索结果顺序。

Ⅳ Google搜索比百度搜索好在哪些地方

google有可开关的“安全搜索”，根据让用户根据自己喜好和接受度打开或关闭安全搜索。而网络，什么都不说，先主动帮你和谐了一些内容，遇到某些敏感词的时候，再和谐一些内容，然后这样告诉你：根据相关法律法规和政策，部分搜索结果未予显示。但从来不会告诉你是哪个法律和政策。google可以搜到几乎全网的视频，而网络大多是国内的。话说youtube有的视频我真的懒得去优酷等悠长又乏味的广告。网络除国内网页收录数量不错外，其他网页收录(包括港台网页)很不足。google可筛选不同地区不同文字的网页，网络不可以。google的算法更尊重原创内容。软件“格式工厂”为例：google上的首个链接就是格式工厂的官网。而网络，第一页是各种第三方下载站，至于官网，在第二页。在google上，包含更多原创内容的维基网络权重比其他网络高，而网络上，网络常常排在维基网络前面。知乎日报刚上线，搜索“知乎日报”，google的第一条是“知乎日报”的新闻搜索，第二条就是官网知乎日报。而网络，知乎日报的官网在第五页的最后的一条。google的图片和网页搜索可对搜索内容按“使用权限”进行筛选。网络不可以。google的图片搜索算法更精准。google的以图搜图比网络的精准太多。你在网络搜”cat“看看，第一页第二行有几张鞋子的照片……google可对图片设置安全搜索、使用权限搜索。google的进阶搜索(高级搜索)可筛选条件更多，网络稍缺。下面都是google有而网络没有的。按不同地区搜索按不同语言搜索视频按不同画质搜索图片和网页按使用权限搜索还有一些按类型的筛选，如论坛搜索、博客搜索。关于框计算。(google也有类似框计算的东西，但不知道它叫什么名字，先这么称呼吧。)以下可看出google想做搜索，而网络想做接口。以“一代宗师”为例，网络的框计算UI很突兀，又按钮又色块，google的就易接受很多。而且网络的框计算来自自己的内容和其他商业公司的内容，google的框计算内容来自维基网络。以”camera360“ 为例，网络框计算为网络应用的内容，首页没有google play和苹果商店，而google搜索页面有google play和苹果商店(并有打分)，也有豌豆荚等第三方商店页面。除了网络应用，网络的其他产品也喜欢掺合进来，例如你在网络音乐搜音乐，其实是在“网络音乐”这个站内搜音乐，而不是全网的音乐，例如你在网络文库搜文档，其实是在“网络文库”这个站内搜文档，而不是全网。google的产品和google搜索分得比较开，google的产品在那个黑又硬导航条上面，和google搜索是分开的。google搜索上，除了地图，google的产品不会独成一个搜索。简体中文搜索方面，差别没有很大，个人感觉网络相关度不够google，并且广告站过多。再加上面差距积累下来，影响明显。—完—本文作者：Soso标签：Google 网络 转载申明：为了给广大网友提供更有价值的内容，我会把我认为优秀的互联网方面的文章转载于此。

Ⅵ 深圳SEO历史上谷歌Google推出了哪些算法

马加比更新(Maccabees Update)

上线时间：2017年12月12号

受影响网站：刻意为各种关键词组合建立大量着陆页，比如“地名A+服务a“、”地名A+服务b”、“地名B+服务a”等等，为了覆盖这些关键词，制造大量页面，质量通常不会高。

马加比这个名字是 SERoundtable.com的Barry Schwartz起的，不是Google官方给的名字，因为Google貌似不会再公布算法更新了，更不要说起名字了。Barry Schwartz起这个名字是因为这次更新发生在犹太人的光明节期间，光明节是纪念马加比家族的。Google在某种程度上确认了这次更新，不过只是说，在这段时间上线了几个小更新，是提高相关性日常工作的一部分。

移动优先索引(Mobile First Index)

上线时间：2017年10月中旬

受影响网站：移动优先索引指的是Google优先索引网站移动版本，并作为排名依据。以前都是索引PC版本并计算排名的。移动优先索引Google在2016年底就开始宣传了，但一直没有推出，估计影响面比较大。2017年10月中旬左右，Google透露一小部分网站已经开始转为移动优先索引。

猫头鹰更新(Project Owl)

公布时间：2017年4月25号

受影响网站：虚假新闻内容，如编造的假新闻，极度偏见、煽动仇恨，谣言等。参见以前写的关于猫头鹰算法的帖子。

弗雷德更新(Fred Update)

上线时间：2017年3月8号

受影响网站：广告过多的低质量内容站，这类网站之所以存在，就是为了放 Adsense之类的广告，并没有提供给用户更多价值。

为什么叫Fred更新呢?因为SEO们问Google员工Gary Illyes这次更新叫啥名字时，Gary Illyes随便给了个名字，貌似是他养的鱼的名字，为什么想起这条鱼的名字呢?因为Gary Illyes刚给这条鱼拍了张照片，就是右边这张。Gary Illyes说，以后除非另行说明，不然所有更新都叫Fred了。就这么任性，就这么草率。

移动页面干扰插页惩罚算法(Intrusive Interstitial Penalty)

上线时间：2017年1月10号

受影响网站：这个惩罚算法针对移动页面：挡住主题内容的弹窗，干扰用户访问的大幅插页式广告，用户需要关掉插页才能看到页面实际内容，有时候需要等5-10秒才能关掉。不过据统计，被惩罚的网站并不多。

企鹅更新4.0(Penguin 4.0)

上线时间：2016年9月23号，10月12号左右完成

受影响网站：和以前的企鹅更新一样，受影响的是有低质量外链的网站。Penguin 4.0是最后一次企鹅系列算法更新了，因为企鹅算法以后成为核心排名算法的一部分，实时更新。

另外，以前的企鹅更新是惩罚网站，4.0是不计算低质量外链，降低负面SEO的可能性。

移动友好算法2(Mobile Friendly Algorithm 2)

上线时间：2016年4月21号

受影响网站：2015年4月21号第一次Google移动友好算法的一次更新，使更多移动友好页面能被用户看到。

APP安装插页广告惩罚(APP Install Interstitial Penalty)

上线时间：2015年11月2号

受影响网站：页面会弹出大幅、遮挡主体内容的插页，要求用户下载APP，这种页面被认为不移动友好，在移动搜索中会被降低排名。页面可以建议用户下载APP，但广告不要大幅甚至全屏，做成顶部banner之类的是没问题的。

RankBrain

上线时间：消息公布时间是2015年10月26号，通过 Bloomberg的一篇文章。算法上线时间应该是数月前，2015年上半年。

RankBrain严格说来不算是排名算法，而是以人工智能为基础的深入理解用户查询词的系统，尤其是长尾的、不常出现的查询。2015年刚上线时，15%查询词经过RankBrain处理，可能是效果很好，2016年开始所有查询词都经过RankBrain处理。RankBrain的例子参考以前的帖子。

被黑网站删除算法(Hacked Spam)

上线时间：2015年10月

受影响网站：被黑的网站，包括病毒、引导流量到色情、侵权产品、非法药物网站等。这些页面会从搜索结果这直接删除，所以有时候搜索结果页面可能只有8、9个结果。以前通常是在搜索结果中标注这个页面可能被黑了，现在直接删除了。5%左右的查询受到影响。检查自己网站是否被黑还是挺重要的。

熊猫算法4.2(Panda Update 4.2)

上线时间：2015年7月18号

自2011年推出以来，熊猫算法经历了近30次更新，Panda 4.2是最后一次，几个月才完成。这之后，熊猫算法成为Google核心算法的一部分，虽然还会有更新，但不再单独给名字了。

质量更新(Quality Update)

上线时间：2015年5月1号左右

受影响网站：内容质量低的页面，但不是熊猫算法。Google虽然确认了这次更新，但表示，这只是Google经常做的算法更新之一，调整了评估内容质量的方法，没什么特殊的。

移动友好算法(Mobile Friendly Algorithm)

上线时间：2015年4月21号

受影响网站：在移动搜索中给予移动友好的网站排名提升。也被称为Mobilegeddon – 天劫算法。

所谓移动友好，其实没那么复杂，用户能正常在手机访问页面就行了，所以字体不要太小，字距行距不要太小，用户不需要左右拉屏幕，手指头点击链接时不会点错地方，速度够快等等。自己用手机看看自己网站就知道是否移动友好了。也可以参考一下本博客移动SEO的帖子。

移动友好算法是针对页面级别的，需要页面重新抓取、索引后才能判断是否移动友好。所以算法本身4月底上线，但受影响的页面可能不是马上见到效果。

Google曾经预报说移动友好算法比熊猫和企鹅更新的影响还要大，但由于Google很早就提醒SEO们移动友好的重要性，很多网站已经做了移动优化，所以这次更新没有预计的那么有震撼性。

HTTPS更新(HTTPS Update)

上线时间：2014年8月7号

受影响网站：使用了https的页面排名会稍微提升一点。Google声明这只是个很小的排名因素，但事实上对网站采用https起到了很大推动作用。

鸽子更新(Pigeon Update)

上线时间：2014年7月24号

受影响网站：鸽子更新是本地搜索算法的一次更新，改进了距离和定位排名算法参数。这个名字不是Google起的，是SearchEngineLand给起的。之所以取“鸽子”这个名字是因为，鸽子会回家，有本地意识。

蜂鸟更新(Hummingbird Algorithm)

上线时间：2013年8月

受影响网站：蜂鸟更新是一次排名算法的重写，改进对查询词真实意图的理解，更重要的是未来的扩展性。虽然代码是完全重写的，但排名因素及参数大概变化不多，所以上线后基本上SEO行业没有人注意到。

发薪日贷款算法(Payday Loan Algorithm)

上线时间：2013年6月13号

受影响网站：针对垃圾和黑帽手法盛行的一些行业的查询词重点打击，如payday loan(发薪日贷款，一种小额、短期、利息高的贷款，一般下个发薪日就还上)、色情等。这些行业常用的作弊手法也经常是非法的。

2014年5月16号，发薪日贷款算法2.0上线，2014年6月12号，算法3.0上线。

完全匹配域名惩罚(EMD Update)

上线时间：2012年9月29号

受影响网站：低质量的完全匹配域名(exact match domain)网站，也就是域名与目标关键词完全一样。URL中包含关键词对排名有一些帮助，所以不少SEO用目标关键词注册域名。这种域名确实有过好处，但现在内容不行的话可能被惩罚。

DMCA惩罚算法(DMCA Takedown Penalty)

上线时间：2012年8月13号

受影响网站：DMCA，Digital Millennium Copyright Act，数字千年版权法案，根据这个法案，版权作品被侵权，版权所有人可以向服务商要求删除侵权内容，服务商可以是主机商，域名注册商，ISP，以及搜索引擎。DMCA算法就是对收到很多侵权投诉删除要求的网站，Google给予排名惩罚。

DMCA Takedown Penalty又被称为pirate update，海盗算法。

2014年10月21号，DMCA惩罚算法上线2.0版本，很多BT种子网站、视频网站被大幅惩罚。

企鹅更新(Penguin Update)

上线时间：2012年4月24号

受影响网站：Google的官方帖子声明打击的是违反Google质量指南的垃圾网站，后续排名变化的分析表明主要受惩罚的是为获得排名制造大量垃圾外链、低质量外链的网站。企鹅算法1.0影响了3.1%英文查询，3%左右的中文、德文等查询。

企鹅算法和熊猫算法是两个最着名的Google惩罚性算法，受到影响的网站范围大，据调查，60%的SEO反映自己网站被Penguin算法惩罚了。

企鹅对今天的SEO方法，尤其是外链建设方法，产生了很大影响。不仅制造外链要非常小心，大部分以前常用的方法现在都被Google明确警告可能会被惩罚，现在SEO们更头疼的是怎样删除低质量外链和以前发的垃圾外链，这比制造外链还困难。

页面布局惩罚算法(Page Layout Algorithm)

上线时间：2012年1月

受影响网站：第一屏显示过多广告的页面被降低排名。因此也常被称为Ads Above The Fold(第一屏广告)算法。

1%的查询词受影响。被惩罚的网站修改页面布局后，Google重新抓取、索引，如果页面用户体验已经改善，就会自动恢复。

2012年10月9号，Page Layout 2.0，2014年2月6号，Page Layout 3.0分别上线。

新鲜度更新(Freshness Update)

上线时间：2011年11月3号

受影响网站：Google官方帖子明确表示：更新鲜的内容会被更多展示在搜索结果中，尤其是最近的事件或热门话题、定期举办或发生的事件(如奥运会之类)、经常会更新的信息(如最新产品)。影响了35%的查询。

当然，这只适用于更需要新鲜信息的查询，有的查询并没有太大实效性，如菜谱，就不必太担心。

熊猫更新(Panda Update)

上线时间：2011年2月24号

受影响网站：内容低质量的页面排名被降低，如转载、抄袭的内容，大量用户发的垃圾留言、主体内容太少、关键词堆积等等。

熊猫更新打击面大，影响大致12的查询结果，对现今SEO方法产生了重要影响。Panda算法最初是后台计算，集中上线，从2011年上线到2015年融入到核心算法中，经历了近30次更新。

熊猫算法更新最初被SearchEngineLand命名为Farmers Update，内容农场更新，后来Google自己公布了算法代码是Panda，和咱们的熊猫没关系，是Google内部开发此算法的主要工程师之一的名字叫Panda。

采集惩罚算法(Scraper Algorithm)

上线时间：2011年1月28号

受影响网站：Matt Cutts的博客帖子公布的这个算法，采集、抄袭的内容页面被惩罚，奖励原出处。2%查询受影响。

负面评价处理(Negative Review)

上线时间：2010年12月1号

受影响网站：这个算法是由于 Google的人读到纽约时报的一篇报道，一位顾客在某商家的体验很差，所以上网写了负面评论，但负面评论却给商家带来更多链接，链接又导致商家网站排名上升，带来更多生意。Google很快采取措施，检测这类负面评论，降低相应商家排名。

咖啡因更新(Caffeine)

上线时间：2010年6月1号

受影响网站：咖啡因更新是一次索引系统代码的重写，新系统比旧系统50%的内容更新，索引数量也更大，更有扩展性，速度更快。原来的索引系统是分层的，有的内容(重要内容)抓取索引更快，有的内容就得等比较长时间。咖啡因系统把网络分成小区块，持续更新索引库，发现新页面，或老页面上的新内容，直接进入索引库。

Mayday Update

上线时间：2010年4月28号-5月3号

受影响网站：根据Matt Cutts的视频说明，Mayday更新主要针对长尾查询词，算法会寻找哪些网站的页面质量更符合要求。当然这种说明说了也是和没说差不多。SEO们的观察是，受影响的主要是大型网站上离首页点击距离比较远、没什么外链、内容没有什么附加价值的页面 — 很多电商网站的产品页面就是这样的，内容是供应商给的，也不大可能有外链。

Mayday指的是发生在5月份，不是求救的那个Mayday。

页面速度因素(Page Speed Ranking Factor)

上线时间：2010年4月

受影响网站：顾名思义，打开速度快的页面排名会给予提升，虽然幅度不大。速度的测量包括蜘蛛抓取时页面的反应速度和工具条记录的用户打开页面时间。

2013年6月，Matt Cutts暗示，速度特别慢的页面可能会被惩罚，不过也不用特别担心，除非页面速度慢到一定程度。

Vince/品牌更新(Vince/Brand Update)

上线时间：2009年2月1号

受影响网站：大品牌网站页面在很多查询结果中(都是非长尾的大词)排名显着提高，所以最初被称为品牌更新。以前帖子写过Vince/品牌更新。

Matt Cutts后来解释，这次更新其实其实只是很小的变化，负责的Google工程师名字叫Vince，所以Google内部代码名称是Vince。这个变化并不是刻意针对大品牌，而是提升信任度在排名中的作用，而信任度、质量、链接这些方面，大品牌更有优势，所以表现出来的效果好像是大品牌页面被提升。

Dewey Update

上线时间：2008年3月

受影响网站：不明，SEO行业观察到排名剧烈变动，但没有找到明显规律。Dewey这个名字的来源是因为Matt Cutts在 webmasterworld论坛里征求这次算法更新的反馈意见，站长需要在反馈中标明Dewey这个词，可能是Google内部的识别代码。

大爸爸(Big Daddy)

上线时间：2005年12月-2006年3月

大爸爸是一次Google算法基础架构的重写，解决了网址规范化、301/302转向等技术问题。大爸爸是一个数据中心一个数据中心更新的，不是同时上线的。

大爸爸这名字怎么来的?据Matt Cutts帖子说，2005年12月的Pubcon会议上，Matt Cutts征求大家对这次更新的反馈，Matt Cutts知道更新已经在一个数据中心上线了，所以问大家有什么好名字来指这个数据中心，一位站长说，叫BigDaddy吧，他孩子就这么叫他的，Matt Cutts觉得挺好，就叫这个名字了。

我当年开始写SEO每天一贴就是大爸爸完成更新那段时间，第3篇帖子就是介绍大爸爸更新情况。Robin同志给我的第一个留言就在那篇帖子上，沙发，后来才有了点石，和很多中国SEO行业的故事。

Jagger Update

上线时间：2005年9-11月

受影响网站：Jagger分3个阶段上线，所以有Jagger1, Jagger2, Jagger3的名字。Jagger更新主要打击低质量链接，如交换链接、链接农场、买卖链接等。

早期的Google算法更新基本上都是webmasterworld命名的，Jagger也是webmasterworld创始人Brett Tabke起的名字，下面提到的更新名称大多是他们命名的。但貌似Jagger是最后一个，后来的名字大多是Google自己公布的了。

Bourbon Update

上线时间：2005年5月

受影响网站：早期Google更新往往没有官方信息，所以针对的是哪些网站经常不明，只是监测到排名有比较大变化。Bourbon一般认为与网址规范化有关。

Bourbon这个名字也是webmasterworld起的，原因是webmasterworld即将在新奥尔良举行一个行业会议，Bourbon是新奥尔良的一条着名老街道。

Allegra Update

上线时间：2005年2月

受影响网站：不明确，或者说范围广泛，包括低质量外链、关键词堆积、过度优化等。

公布支持nofollow

上线时间：2005年1月

现在SEO对nofollow肯定都很熟悉了，包括网络，所有主流搜索引擎都支持nofollow。还不知道的请参考以前关于nofollow的帖子。

Brandy Update

上线时间：2004年2月

受影响网站：链接锚文字作用提高，链接需要来自好邻居的概念第一次被提出来。索引库增长，抓取索引了很多新的链接，一些网站获得了更高权威度。

弗罗里达更新(Florida Update)

上线时间：2003年11月

受影响网站：弗罗里达更新是早期最着名的Google算法更新，影响面大，受影响的以商业意图明显的词为主，一些靠搜索流量的小公司倒闭，有的SEO公司因此陷入困境，因为客户网站排名下降，不续费了。弗罗里达更新的后果大到，Google曾经承诺，以后不在年底上线这么大的更新了，以免剧烈影响很多商家的圣诞季销售业绩。

Florida Update打击了一系列不自然的优化方法，包括隐藏文字、关键词堆积、链接农场、大量交换链接、过度优化。Florida彻底改变了SEO，可以说是现在SEO方法的起点。

Florida也是webmasterworld命名的，因为他们的命名方法该排到字母F打头了(为什么到了F打头，见下面Boston更新说明)，而第二年2月他们要在弗罗里达的奥兰多举行Pubcon大会，所以就用了Florida。

Update Fritz

上线时间：2003年7月

Fritz更新是Google转为每天持续小幅更新索引的开始，这种更新方法又被称为everflux。

Update Fritz这个名字是Matt Cutts在他2006年的博客帖子里提到的Google内部名称，不是webmasterworld命名系列里的。

Esmeralda Update

上线时间：2003年6月1号

这是早期每个月发生一次的Google Dance的最后一次。这次更新之后，Google算法更新改为小幅、持续性的，当然这是相对Google Dance每个月一次、持续数天、排名剧烈波动而言。准确地说，Google Dance是索引更新，不是算法更新。Esmeralda更新之后，Google就不再Dance了。

Dominic Update

上线时间：2003年5月1号

早期Google Dance的一次。Dominic也是webmasterworld命名，名称来源于参加Boston Pubcon大会时大家常去的一家披萨饭馆。

Cassandra Update

上线时间：2003年4月1号

Brett Tabke和webmasterworld第一次特意给Google更新起名字。既然第一个名字是Boston，是个男名，这次应该是C打头的女名，大家投票，Cassandra胜出，没有其它特别意义。

Boston Update

上线时间：2003年2月1号

2003年波士顿举行的SES大会上，Google员工公布了这次更新，为了和其它Google Dance以示区别，取名Boston。

webmasterworld的创始人Brett Tabke就想，给更新取名字是个挺好的主意，所以就效仿台风的命名方法给Google更新取名，按字母排序，男名女名间隔，也得到了Google的首肯。所以早期的Google算法更新大多是webmasterworld命名的。

Google Dance

早期Google索引库每个月更新一次，是线下计算，然后集中上线。由于数据量大，需要一个数据中心一个数据中心地上线，不是同时上线的。在更新期间，用户这分钟访问的是一个数据中心，下一分钟可能访问的是另一个数据中心，看到的搜索结果可能有很大差别，因此被称为Google Dance。

从2000年7月开始，webmasterworld每个月开一个新帖，讨论每一次Google Dance情况，一直到2003年2月的Boston更新第一次有了名称，以前的Google Dance都是没有名字的。这里是当年Google Dance更新讨论的大列表。

Ⅶ Google 图片搜索的原理是什么

Google图片搜索的原理，一般是三个步骤：

1. 将目标图片进行特征提取，描述图像的算法很多，用的比较多的是：SIFT描述子，指纹算法函数，bundling features算法，hash function(散列函数)等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。

2. 将图像特征信息进行编码，并将海量图像编码做查找表。对于目标图像，可以对分辨率较大的图像进行降采样，减少运算量后在进行图像特征提取和编码处理。

3. 相似度匹配运算：利用目标图像的编码值，在图像搜索引擎中的图像数据库进行全局或是局部的相似度计算;根据所需要的鲁棒性，设定阈值，然后将相似度高的图片预保留下来;最后应该还有一步筛选最佳匹配图片，这个应该还是用到特征检测算法。

Ⅷ 谷歌新算法生效：否定纳粹大屠杀的搜索结果被删

近日，谷歌搜索引擎上线生效了一项新的算法，即针对否定历史和权威内容的信息直接采取删除索引的做法，比如针对“否定纳粹大屠杀”的搜索结果，谷歌就做了搜索结果删除！

据了解，谷歌上线该算法的原因源于有人利用自建网站宣传白人种族优越论，并否认二战时期真实发生过纳粹大屠杀，有人检索该信息的时候被误导，从而引起媒体和网友的热烈讨论，因此，谷歌上线生效了新的算法，对该类违背历史的索引结果做了删除处理！

不过，对于谷歌是永久使用该算法，目前并没有给出明确的答复，不过，相比以往直接进行排名干预和降权的惩罚措施，谷歌的做法已经进步了很多，未来的自动化处理算法程序更会帮助谷歌为用户提供更加权威、正规的检索结果！

声明：本文由文栋说自媒体网站原创、公众号LWD3699分发，享有独立版权，转载敬请保留本段版权！

Ⅸ 百度和Google的搜索算法，技术有何差异

网络是中国的，谷歌是美国的。各有侧重不能不可比较。技术都是一样的侧重不同罢了。网络侧重的是中国民俗，谷歌是侧重美国民俗。因为国情国法不同所以无可能比较量级。【搜索引擎技术是硬件加软件。硬件是实际使用的机器，软件是程序编程】搜索产品搜索引擎产品其实包括很多种类，并不限于我们最熟悉的全网搜索引擎。简单分类罗列一下：*全网搜索：包括市场份额最高的几大搜索引擎巨头，Google,Yahoo,Bing。*中文搜索：在中文搜索市场中，网络一家独大，其它几家如搜狗、搜搜、有道，市场份额相对还比较小。*垂直搜索：在各自的垂直领域成为搜索入口的，购物的淘宝，美食的大众点评，旅游的去哪儿，等等。*问答搜索：专注于为问句式提供有效的答案，比如Ask.com；其它的如问答社区像Quora和国内的知乎，应该也会往这方面发展。*知识搜索：典型代表就是WolframAlpha，区别于提供搜索结果列表，它会针对查询提供更详细的整合信息。*云搜索平台：为其它产品和应用提供搜索服务托管平台(SaaS或是PaaS)，Amazon刚刚推出它的CloudSearch,IndexTank在被Linkedin收购之前也是做这项服务。*其它：比始DuckDuckGo，主打隐私保护，也有部分用户买帐。各种搜索产品在各自领域都需要解决特定的技术和业务问题，所以也可以建立相对通用搜索的优势，来得到自己的市场和用户。搜索技术搜索引擎所涉及和涵盖的技术范围非常广，涉及到了系统架构和算法设计等许多方面。可以说由于搜索引擎的出现，把互联网产品的技术水平提高到了一个新的高度；搜索引擎无论是在数据和系统规模，还是算法技术的研究应用深度上，都远超之前的简单互联网产品。列举一些搜索引擎所涉及到的技术点：*爬虫(Crawling)*索引结构(InvertedIndex)*检索模型(VSM&TF-IDF)*搜索排序(RelevanceRanking&Evaluation)*链接分析(LinkAnalysis)*分类(Document&QueryClassification)*自然语言处理(NLP:Tokenization,Lemmatization,POSTagging,NER,etc.)*分布式系统(DistributedProcessing&Storage)*等等虽然搜索引擎涉及的技术方方面面，但归结起来最关键的几点在于：*系统：大规模分布式系统，支撑大规模的数据处理容量和在线查询负载*数据：数据处理和挖掘能力*算法：搜索相关性排序，查询分析，分类，等等系统搜索引擎系统是一个由许多模块组成的复杂系统。核心模块通常包括：爬虫，索引，检索，排序。除了必需的核心模块之外，通常还需要一些支持辅助模块，常见的有链接分析，去重，反垃圾，查询分析，等等。[附图：搜索系统架构概念模型]*爬虫从互联网爬取原始网页数据，存储于文档服务器。*文档服务器存储原始网页数据，通宵是分布式Key-Value数据库，能根据URL/UID快速获取网页内容。*索引读取原始网页数据，解析网页，抽取有效字段，生成索引数据。索引数据的生成方式通常是增量的，分块/分片的，并会进行索引合并、优化和删除。生成的索引数据通常包括：字典数据，倒排表，正排表，文档属性等。生成的索引存储于索引服务器。*索引服务器存储索引数据，主要是倒排表。通常是分块、分片存储，并支持增量更新和删除。数据内容量非常大时，还根据类别、主题、时间、网页质量划分数据分区和分布，更好地服务在线查询。*检索读取倒排表索引，响应前端查询请求，返回相关文档列表数据。*排序对检索器返回的文档列表进行排序，基于文档和查询的相关性、文档的链接权重等属性。*链接分析收集各网页的链接数据和锚文本（AnchorText），以此计算各网页链接评分，最终会作为网页属性参与返回结果排序。*去重提取各网页的相关特征属性，计算相似网页组，提供离线索引和在线查询的去重服务。*反垃圾收集各网页和网站历史信息，提取垃圾网页特征，从而对在线索引中的网页进行判定，去除垃圾网页。*查询分析分析用户查询，生成结构化查询请求，指派到相应的类别、主题数据服务器进行查询。*页面描述/摘要为检索和排序完成的网页列表提供相应的描述和摘要。*前端接受用户请求，分发至相应服务器，返回查询结果[附图：爬虫系统架构]爬虫系统也是由多个模块构成：*URLScheler存储和高度待爬取的网页地址。*Downloader根据指定的网页列表爬取网页内容，存储至文档服务器。*Processer对网页内容进行简单处理，提取一些原始属性，为爬取的后续操作服务。*TrafficController爬取流量控制，防止对目标网站在短时间内造成过大负载[附图：搜索系统架构实例：Google这是Google早期的一张系统架构图，可以看出Google系统的各模块基本和前面概念模型一致。所以一个完整的全网搜索系统的大致系统架构是类似的，区别和竞争力体现在细节实现和优化上。数据除了搜索引擎系统提供了系统支撑外，搜索结果质量很大程度上依赖于源数据的数量和质量，以及数据处理的能力。全网数据的主要来源通常是从互联网上进行自动爬取，从一些高质量的种子站点开始，并沿网页链接不断，收集巨量的网页数据；这通常能达到数据在数量的要求，但也不可避免混入了大量的低质量网页。除了自动爬取来的数据外，搜索引擎的数据来源还可以来自人工收集、合作伙伴提供、第三方数据源和API、以及购买；这些来源通常会有更好的质量保证，但在数量规模和覆盖率上会相对少一些，可以和爬取的数据形成有效的互补。收集到足量的原始数据后，需要进行各种数据处理操作，把原始数据转换成在线检索需要的数据。这个过程通常包括：网页分析，数据抽取，文本处理和分词，索引及合并；最终生成的数据会包括：词典，倒排表，正排表，文档权重和各种属性。最终生成的数据要布署上相应的在线检索服务器上，通常会进行数据分区和分片布署，数据内容更丰富时还可能根据内容分类和主题进行分别布署，比如新闻时效类的网页可能就会独立布署，针对性地响应时效类的查询[附图：索引数据：字典、倒排表、正排表]这张图来源于Google早期的索引数据结构，包括词典、倒排表、正排表。算法有了相当数量的高质量数据之后，搜索结果的质量改进就取决于搜索算法的准确性上。现在的搜索引擎通常通过向量空间模型（VSM=VectorSpaceModel）来计算查询和各文档之间的文本相似性；即把查询或文档抽象成一个词向量，然后再计算向量在向量空间中的夹角，可以用余弦公式得出，作为文本相似度的度量值。在基本的向量空间模型基础上通常会进一步加入词的权重值进行改进，通过经典的TF-IDF公式得出，即词频（TF）乘上逆文档频率（IDF）；其中TF=TermFrequency，即该词在所在文档中的出现次数；IDF=InvertDocumentFrequency，即包含该词的文档数除以总文档数，再取反，通常还会取对数来降维，这个值值越大表示这个词越能代表文档特征。除了通过向量空间模型得出的文本匹配评分外，每个文档还会有自己本身的质量评分，通常由网页链接数据计算得出，代表了该网页本身的流行度权重。最终的评分会以文本匹配的查询时动态评分和文档静态评分为基础计算得出；搜索引擎的评分计算都会考虑很多因素，但这两项通常是评分计算的基础。有了确定的排序算法后，另一个重要的任务就是评估搜索结果的质量。由于搜索结果的好与坏是一个比较主观的过程，所以进行定量的评估并不容易。常见的做法是通过事先选定一批查询，通过人工评估或是预先设定标准值的方式，逐个评估每个设定查询搜索结果，最终得到一个统计结果，作为搜索算法的评估度量。另一类做法是直接通过线上的用户点击数据来统计评估搜索结果质量，或是通过A/B测试来比较两种排序算法的点击效果来衡量。合理而有效的评估方法，是搜索算法可以不断改进和比较的前提。查询分析是另一个对搜索结果影响很大的方面，主要任务是把用户的查询文本转换成内部的结构化的搜索请求。涉及的处理可能包括基本的分词处理，专有名词的识别和提取，或是查询模式的识别，或是查询分类的识别。这些处理的准确性将能极大地改进搜索请求的方式，进一步影响搜索结果的相关性和质量。开源方案近年来在搜索公司内部搜索系统和技术的改进和发展的同时，一批开源的搜索系统和解决方案也逐渐发展和成熟起来。当然开源系统在功能全面性、复杂性和规模上都不能与专业的搜索引擎系统相比，但对于中小企业的搜索应用来说应该已经能很好地满足需求，而且也成功应用到了一些大规模的产品系统中（比如Twitter的搜索就使用和改进了Lucene）。现在比较常见的开源搜索解决方案有：*LuceneLucene自然是现在最流行，使用度最高的搜索开源方案。它用Java开发，以索引和检索库的方式提供，可以很容易地嵌入需要的应用中。*Solr&SolrCloudSolr是Lucene的子项目，同属Apache软件基金会项目；它是基于Lucene之上实的一个完整的搜索服务应用，提供了大量的搜索定制功能，可以满足大部分的搜索产品需求。SolrCloud是Solr为了加强其分布式服务能力而开发的功能，目前还在开发阶段，将在Solr4.0发布。*Zoie&Sensei(Linkedin)Zoie是Linkedin公司在Lucene基础上实现的准实时索引库，通过加入额外的内存索引，来达到准实时索引的效果。Sensei是Linkedin公司在Zoie基础上实现的分布式搜索服务，通过索引分区来实现分布式搜索服务。*ElasticSearchElasticSearch也是刚推出不久的一个基于Lucene实现的分布式搜索服务，据说在分布式支持和易用性上都有不错的表现。因为还比较年轻，真实的应用应该还不多，需要观察。因为也是基于Lucene的分布式开源搜索框架，基本上会与SolrCloud和Sensei形成正面竞争关系。*其它开源产品除了Lucene家族以外，还有一些其它的开源产品，比如Sphinx和Xapian，也有不少的应用；但近年来的更新频率和社区活跃度都不太能和Lucene系的产品相比。*托管平台除了开源产品外，现在还出现了一些基于云计算和云服务的搜索服务，比如Amazon新近推了的CloudSearch，还有更早一些的IndexTank（已被Linkedin收购）。这类服务无需自己布置搜索系统，直接使用在线服务，按需付费，所以也将是开源产品的替代方案和竞争对手。附几张上面提到的开源系统的概念模型和架构图：[附图：Lucene概念模型][附图：Lucene工作流程][附图：Sensei系统架构][附图：SolrCloud系统架构]现状与未来：传统的搜索引擎经过了十几年的发展，目前在技术和产品上都已走向逐渐稳定和成熟，通用搜索的市场也基本进入饱和，不像早些年一直呈现高增长率。同时，在各个垂直领域，也出现了很多和产品结合的很好的垂直搜索产品，比如淘宝的购物搜索，大众点评的美食搜索，去哪儿和酷讯的旅游搜索等，也都在各自领域占据了相当大的市场，成为除了通用搜索引擎之外的重要的用户入口。在开源领域，各种开源产品和解决方案也逐渐发展成熟，通用搜索技术不再为大公司所专有，中小企业能够以较低的成本实现自己的搜索应用。现在搜索引擎产品之间的竞争的在数据、应用方式和产品形态上，在系统架构和基本算法上区分并不大。搜索引擎在未来发展上，一是搜索将不仅仅以独立产品的形式出现，的会作为搜索功能整合到的产品和应用中。在产品形态上，基于传统的搜索引擎，会演化出像推荐引擎，知识引擎，决策引擎等形式的产品，更好地满足和服务用户需求。而搜索引擎所涉及和发展起来的各种技术，会更广泛地应用到各种基它产品上，比如自然语言处理，推荐和广告，数据挖掘，等等。总之，搜索引擎对互联网技术和产品带来的影响是巨大的，未来也仍将有很大的发展和应用空间。

Ⅹ Google 搜索算法为何会越来越懂我们

因为现在科技以及信息发展的快的我们根本就无法去想象，它会自动记录你以前说过的话，用过的词，继而了解到机主到底喜欢什么，讨厌什么。

值得一提的是，BERT通过自学知道这些单词。 Google设置了BERT来收集英语句子集合，以随机删除15％的单词，然后显示删除的单词是什么。在这方面，高级研究员兼研究副总裁杰夫·迪恩（Jeff Dean）说，培训使NLP模型在了解一段时间内的情况方面更加有效。