SEO的藝術：文檔剖析和語義聯(lián)絡

2.3.1 文檔剖析和語義聯(lián)絡

在文檔剖析（document analysis）中，查找引擎重視于文檔重要區(qū)域中是否找到查找詞，這些區(qū)域包括標題、元數(shù)據(jù)、標題標記和正文。它們還企圖依據(jù)文檔剖析以及其他許多種要素主動衡量文件質(zhì)量。

關于當今的查找引擎而言，僅僅依托文檔剖析是不行的，所以它們還重視語義的聯(lián)絡性。語義聯(lián)絡（semantic connectivity）指的是常常彼此相關的單詞或許短語。例如，假如你看到Aloha譯注1一詞，就會聯(lián)想到夏威夷，而不是佛羅里達。查找引擎主動地構建自己的同義詞庫和詞典，協(xié)助它們斷定某些詞和主題之間的相關。經(jīng)過掃描自己的很多Web內(nèi)容數(shù)據(jù)庫，查找引擎可以運用含糊調(diào)集理論和某些公式將詞語聯(lián)絡起來，開端像人類一樣了解網(wǎng)頁/網(wǎng)站。

專業(yè)的SEO人員不需求運用語義聯(lián)絡衡量東西來優(yōu)化網(wǎng)站，可是高檔的從業(yè)者會尋求每一個可供運用的要素，語義聯(lián)絡衡量對以下這幾個方面可能有所協(xié)助。

衡量方針的要害短語。

衡量有關某個主題的頁面上應該包括的要害短語。

衡量其他高排位網(wǎng)站/網(wǎng)頁上文本之間的聯(lián)絡。

尋覓供給"相關"主題鏈接的頁面。

這些材料來歷的技能性很強，可是SEO專家只需求了解獲取重要信息的原則。重要的是，盡管IR范疇包括數(shù)千個技能性用語，這些術語往往難以了解，可是即使是SEO新手也可以剖析和了解。

下面是IR范疇的常見查找類型。

附近查找

附近查找用查找短語的順序?qū)ひ捪嚓P的文檔。例如，當查找"sweet German mustard"（德國甜芥末）時，你指定的只有一個精確的附近查找。假如去掉引號，查找詞的附近性對查找引擎依然很重要，可是查找引擎回來的內(nèi)容就不會精確匹配查找短語，例如，Sweet Mustard-German.

含糊邏輯

從技能上講，含糊邏輯指的是無法僅用真/假來區(qū)分的邏輯，常見的比如之一是某天是不是晴天（例如，有50%的云，是否依然可以稱為晴天）。含糊邏輯是查找引擎用于檢測和處理拼寫錯誤的手法之一。

布爾查找

布爾查找運用布爾運算符，如AND、OR和NOT.這類邏輯用于擴展或許限制查找中回來的文檔。

查找詞加權

查找詞加權指的是特定查找詞對查詢的重要程度。原理是為特定的詞語賦以比其他詞更高的權重，以得到更好的查找成果。例如，在查詢中的單詞the得到的權重很小，由于它幾乎在一切英語文檔中都會呈現(xiàn)，沒有什么獨特性，對文檔的挑選沒有任何協(xié)助。

IR模型（查找引擎）運用含糊調(diào)集理論（Lotfi Zadeh博士于1969年創(chuàng)建的含糊邏輯分支）發(fā)現(xiàn)兩個單詞之間的語義聯(lián)絡。和用同義詞庫或許詞典揣度兩個詞是否相關不同，IR體系可以運用巨大的內(nèi)容數(shù)據(jù)庫推測出詞語之間的聯(lián)絡。

這一進程聽上去好像很復雜，可是原理卻很簡單。查找引擎需求依靠機器邏輯（真/假，是/否等）。機器邏輯關于人有一些優(yōu)勢，可是不像人那樣拿手處理某些類型的問題。對人來說很直觀的工作，關于計算機來說卻很難了解。例如，桔子和香蕉都是生果，可是兩者不都是圓的，這一點對人來說很直觀。

關于機器來說，要了解這一點以及其他類似的概念，語義聯(lián)絡是要害。Web上的很多人類知識可以在體系的索引中獲得，并從中剖析人類現(xiàn)已樹立的聯(lián)絡。因而，機器可以經(jīng)過掃描索引中呈現(xiàn)的"香蕉"和"桔子",注意，"圓形"和"香蕉"不常常一同呈現(xiàn)，而"桔子"和"圓形"常常一同呈現(xiàn)，然后斷定桔子是圓的，而香蕉不是圓的。

這就是含糊邏輯的用武之地。運用邏輯調(diào)集理論協(xié)助計算機經(jīng)過衡量兩個詞一同呈現(xiàn)的頻率和語境，就能了解兩個詞的相關性。

在此基礎上擴展起來的相關概念之一是潛在語義剖析（Latent Semantic Analysis,LSA）。思路是經(jīng)過對幾十億個各種網(wǎng)頁（索引）的研討，查找引擎可以"學習"到哪些詞是相關的，哪些概念彼此之間有聯(lián)絡。

例如，運用LSA,查找引擎可以發(fā)現(xiàn)前往"zoo"（動物園）的"trips"（游覽）往往包括"viewing wildlife"（觀看野生動物）和"animals"（動物），這可能是"tour"（游覽）的一部分。

在Google上測驗查找"~zoo ~trips"（波濤號是一個查找運算符，本章后邊將有更多的相關內(nèi)容）。注意，回來成果中粗體的單詞與上一段中說到的那些單詞相符。Google識別出索引中常常一同呈現(xiàn)（一同呈現(xiàn)、在同一個網(wǎng)頁中呈現(xiàn)或許方位挨近）的詞語，并將"相關"的詞語顯現(xiàn)為粗體。

有些方式的LSA計算成本太高，無法在實踐中運用。例如，現(xiàn)在的查找引擎無法像較新的MIT學習型計算機那樣聰明地"學習".例如，它們無法經(jīng)過索引學習到"斑馬"和"山君"都是帶有斑紋的動物，盡管它們可能發(fā)現(xiàn)"斑紋"和"斑馬"比"斑紋"和"鴨子"在語義上有更多聯(lián)絡。

潛在語義索引（Latent Semantic Indexing ,LSI）更進一步，運用語義剖析來識別相關的網(wǎng)頁。例如，查找引擎可能注意到某個網(wǎng)頁談及doctor（醫(yī)師或許博士），另一個網(wǎng)頁談及physicians（醫(yī)師），并且依據(jù)這些頁面中常見的其他單詞斷定這些頁面之間的聯(lián)絡。成果是，引證doctor的頁面在查找physician時也可能呈現(xiàn)。

查找引擎在此類技能上的出資現(xiàn)已持續(xù)了很多年。

從SEO方面看，這些使用讓我們認識到查找引擎是怎么發(fā)現(xiàn)網(wǎng)絡上的單詞、短語和概念之間的聯(lián)絡的。跟著語義聯(lián)絡越來越成為查找引擎算法的重要組成部分，可以預見，頁面、網(wǎng)站和鏈接的主題將會越來越受到重視。我們應該認識到，未來查找引擎了解概念主題以及發(fā)現(xiàn)不適合網(wǎng)站結構的內(nèi)容、鏈接和頁面的才能將更為重要。