杭州网站建设--帷拓小编说说 什么是文件匹配？

搜索词经过处理后，搜索引擎得到的是以词为基础的关键词集合。文件匹配阶段就是找出含有所有搜索关键词的所有文件。在索引部分提到的倒排索引使得文件匹配能够快速完成，杭州网站建设--帷拓小编放一张图给大家看看：

杭州网站建设--帷拓小编假设用户搜索“关键词2”和“关键词7”，排名程序只要在倒排索引中找到“关键词2”和“关键词7”这两个词，就能找到分别含有这两个词的所有页面。经过简单求交集计算就能找出既包含”关键词2”和“关键词7”的所有页面：文件1和文件6。

  初始集结的选择：找到所有关键词的匹配文件后，还不能进行相关性计算，需要的时间还是太长。实际上用户并不需要知道所有匹配的几十万,几百万个页面，绝大部分用户只会查看前两页，也就是前20个结果。搜索引擎也并不需要计算这么多页面的相关性，而只要计算最重要的一部分页面就可以了。常用搜索引擎的人都会注意到，搜索结果页面通常最多显示100个。用户点击搜索结果页面底部“下一页”链接，最多也只能看到第100页，也就是1000个搜索结果，杭州网站建设--帷拓小编发张下图。

  百度则通常返回76页结果，杭州网站建设--帷拓小编发张下图。360搜索通常犯讳页结果，必应貌似冒雨固定页数，会根据不同查询词而变化，但也不会超过100页。

总之，最多显示1000个搜索结果，所以搜索引擎又怎么知道哪1000个文件是最相关的？所以用于最后相关性计算的初始页面子集的选择，必须依靠其他特珍而不是相关性（这些文件都包含所有查询关键词），搜索引擎通常会用非相关性的页面特征选出一个初始子集。初始子集的数目是多少？几万个？或许更多，外人并不知道。不过可以肯定的是，当匹配页面数目巨大时，搜索引擎不会对这么多页面进行实时计算，而必须选出一个页面权重较高的一个子集，再对子集的页面进行相关性计算。