向大家介紹過網(wǎng)頁結(jié)構(gòu)化的目標(biāo)，結(jié)構(gòu)化的過程就是網(wǎng)站有價值信息被保留的過程，今天之所以又用這樣的標(biāo)題來寫一篇文章，其實是有目的的，是想再次的提醒網(wǎng)站seo優(yōu)化人員，搜索引擎工作原理是做好網(wǎng)站優(yōu)化工作的基礎(chǔ)。
現(xiàn)在不比前幾年，一說網(wǎng)站優(yōu)化一說SEO優(yōu)化，改改title，discription，keyword，發(fā)發(fā)外鏈，網(wǎng)頁的排名效果就會有。但現(xiàn)在僅僅指望這點已經(jīng)不起作用了，人人都會的東西，你再拿出來作為自己的優(yōu)勢，實際上是落伍了，再加上黑帽seo優(yōu)化的猖獗，針對百度的優(yōu)化，針對google的優(yōu)化層出不窮，搜索引擎也在不斷的調(diào)整著算法。要做SEO優(yōu)化的前鋒戰(zhàn)士，根據(jù)互聯(lián)網(wǎng)的發(fā)展變化，時時保持清醒的頭腦，吸收新的知識，只有這樣網(wǎng)站的優(yōu)化效果才可能在你的控制之中。
話回正題，來簡單解釋一下，網(wǎng)頁結(jié)構(gòu)化的過程即有價值信息被保留的過程。明白了網(wǎng)頁結(jié)構(gòu)化的目標(biāo)后，就應(yīng)該明白，體現(xiàn)網(wǎng)頁本身價值和內(nèi)容的5個屬性被抽取出來，即，標(biāo)題(title)、錨文本(anchor text)、正文標(biāo)題(content title)、正文(content)和正向鏈接(link)。對搜索引擎來說，這5個屬性就是有價值的信息(當(dāng)然，也是對用戶有價值的內(nèi)容)。
我們來具體看一下網(wǎng)頁結(jié)構(gòu)化是如何進(jìn)行的?
網(wǎng)頁結(jié)構(gòu)化的過程首先通過標(biāo)簽樹進(jìn)行分析得到文本對應(yīng)的標(biāo)簽，然后通過投票算法確定正文及配圖等僅從HTML標(biāo)簽無法判斷的網(wǎng)頁數(shù)據(jù)。以下是專業(yè)人士總結(jié)的兩步走：
HTML標(biāo)簽樹
一、 建立html標(biāo)簽樹(tag-tree)。
萬維網(wǎng)上大多數(shù)的靜態(tài)網(wǎng)頁都以HTML網(wǎng)頁形式存在，HTML是一種標(biāo)識語言(Markup Language)，它把其描述的全部內(nèi)容都按照HTML語法存放在標(biāo)簽之中。為了更清楚地描述網(wǎng)頁內(nèi)容的組織結(jié)構(gòu)，將網(wǎng)頁中的標(biāo)簽按照出現(xiàn)順序依次整理出來并用適當(dāng)?shù)慕Y(jié)構(gòu)記錄。由于標(biāo)簽之間的嵌套關(guān)系，因此整理結(jié)果自然是一個樹狀結(jié)構(gòu)，我們把整理一個網(wǎng)頁中的標(biāo)簽得到的樹狀結(jié)構(gòu)稱為該網(wǎng)頁的“標(biāo)簽樹”。
很顯然，查看該網(wǎng)頁的用戶看到的是相當(dāng)友好的信息。而實際源文件中的那些HTML標(biāo)記，如和(可以理解為用來幫助IE瀏覽器理解網(wǎng)頁)等都不會實際地展示給用戶。因此搜索引擎的分析系統(tǒng)需要學(xué)習(xí)IE瀏覽器理解網(wǎng)頁的方式來理解網(wǎng)頁，在理解過程中需要建立一個HTML標(biāo)簽樹的樹形結(jié)構(gòu)。通過建立標(biāo)簽樹，并且識別標(biāo)簽所描述的文字，網(wǎng)頁結(jié)構(gòu)化進(jìn)程就走出了重要的一步，能夠順利提取出了網(wǎng)頁的標(biāo)題。但實際的網(wǎng)頁，同一個標(biāo)簽所描述的文字內(nèi)容不是唯一確定的，比如廣告內(nèi)容也可能放在標(biāo)簽里，而這不是真正的正文，是會影響用戶的搜索體驗，所以就有了下面投票法得正文。
二、通過投票方法識別正文的文本塊，并按照深度優(yōu)先遍歷的規(guī)則組織為正文。
判斷哪個文本塊是正文采用稱為“投票算法”的計算方法，這種方法在搜索引擎別常用。在日常生活中幾乎所有人都會有投票或選舉的經(jīng)歷，如選舉干部和通過決議需要投票，以及運動員的一套動作需要裁判員打分等。其基本原理在于認(rèn)為大多數(shù)人的意見往往是正確的。大多數(shù)人的統(tǒng)一主觀意見就會變得較為客觀。雖然每個人的給出的分?jǐn)?shù)是主觀產(chǎn)生的，但是這種評判的方法和結(jié)果被認(rèn)為是相對客觀和可信的。正文抽取的投票算法的過程如何呢?首先搜索引擎會定義一系列的規(guī)則，然后通過這些規(guī)則為每個文本塊打分。得分最高的被認(rèn)為是正文的可能性足夠大，并且可以接受。搜索引擎定的規(guī)則，也是需要通過足夠多的網(wǎng)頁進(jìn)行反饋，之后才能得到一個公正客觀的打分。由于HTML標(biāo)簽的相互嵌套的特性，決定了深度優(yōu)先遍歷的順序恰好能夠組織成一個完整的正文。

分享題目：網(wǎng)頁結(jié)構(gòu)化的過程即有價值信息被保留的過程
網(wǎng)站路徑：http://www.2m8n56k.cn/news7/282957.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、ChatGPT、虛擬主機、網(wǎng)站收錄、品牌網(wǎng)站設(shè)計、網(wǎng)站內(nèi)鏈

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：[email protected]。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)