沈阳SEO

前面提到，大量的HTML 标记既给网页的预处理造成了一些麻烦，也带来了一些新的机遇。 从信息检索的角度讲，如果系统面对的仅仅是内容的文字，我们能依据的就是“共有词汇假 设”（shared bagof words） ，即内容所包含的关键词集合，最多加上词频（term frequency或tf、TF）和词在文档集合中出现的文档频率（documentfrequency 或df、DF）之类的 统计量。而TF 和DF 这样的频率信息能在一定程度上指示词语在一篇文档中的相对重要性或者和某些内容的相关性，这是有意义的。有了HTML 标记后，情况还可能进一步改善，例如 在同一篇文档中，<H1>和</H1>之间的信息很可能就比在<H4>和</H4>之间的信息更重要。特别地，HTML 文档中所含的指向其他文档的链接信息是人们近几年来特别关注的对象，认 为它们不仅给出了网页之间的关系，而且还对判断网页的内容有很重要的作用。例如“北大学报”这几个字在北京大学学报社会科学版的主页上是没有的，因此一个仅靠内容文字分析 的搜索引擎就不可能返回该主页作为结果。但是北京大学主页上是用“北大学报（社）”作为链接信息指向了北京大学学报社会科学版的主页。因此在很好利用链接信息的搜索引擎中 应该能返回北京大学学报社会科学版的主页.

本文由沈阳SEO提供：http://www.787866.com/web-promotion