搜索引擎排序（越早知道越好）搜索引擎排序机制是指，

今天说说浏览器的次序吧。

两个国际标准的浏览器有三个最重要的部份，食腐，索引，次序。

食腐水太深了，各式各样黑科技不断涌现，光代理的选择就有各式各样黑科技，所以只有腾讯这种全网浏览器或是某些靠爬统计数据的行业龙头领域的垂直浏览器才须要食腐，重要的是我也不是很介绍这一块，因此就说不了了，我么默认统计数据都是自有的统计数据，类似B2C的浏览器。

索引不然，我之前的该文主要介绍的是这一块的小东西。

次序是直接负面影响用户体验的部份，这也是浏览器和统计数据库效果上差别较为大的部份了，次序完全能写一本书出，这儿我就用一则该文来说说我所理解和介绍的次序吧。

我没见过大厂的搜寻，因此可能说得不对啊

首先，他们还是定个国际标准，即使浏览器的次序根据情景的不同采用的控制技术也不太一样，比如说通用浏览器，像谷歌和腾讯这种，PageRank是主要控制技术了，对两个不须要食腐的浏览器，通常也不能用到PageRank控制技术了，他们说说特定领域的浏览器的次序，最经典的情景是B2C类浏览器是不是次序。我并不是这方面的专家，因此有些小东西说的不够准确也别喷啊，所以次序也是各式各样新控制技术不断涌现，一则该文要说明白也是不太可能的，更深入细致的大家能自己去找资料哈，下面他们以两个B2C的浏览器为例说说次序。

对搜寻两个关键字，简单的感觉应该有哪些不利因素负面影响到它的结论集次序呢？通常人很显著能想不到的有关键字和货品的相匹配某种程度，货品销售量，货品赞誉度，与否拉维县等，再深入细致一点可能能想不到货品被珍藏的单次，被点选的单次这一类的小东西。

OK，他们一步棋一步棋来说说吧，顺着说的这时候他们先建立两个规则，是无论多少个不利因素，最终每一货品都会得到两个平均分，次序的这时候就按那个平均分来进行次序，他们这儿以最简单的办法，这是两个32位的有理数，他们采用其中的21位，最后就按那个21位的有理数的大小来进行次序。

关键字和货品的相匹配某种程度

首先，他们认为最重要的不利因素是关键字和货品的相匹配某种程度，也是前面几篇所说的TF*IDF的值，那个他们认为是次序最重要的不利因素，即使你都和关键字不太相匹配，是不是说也不好意思排到前面吧。因此他们把最高的3位留下来TF*IDF，3位能表示0到7共8个级别，因此排序的这时候，他们把结论集每一文件格式的TF*IDF算出以后，常量成0到7这八个数，因此对关联性的评分就打好了，如果你希望发展性更高，能采用4位或是5位，但其实意义不大，8个级别都多了，5个级别差不多要是，即使前面还有其他不利因素，这儿发展性太大了，前面就没什么负面影响了。

这一步棋的排序量较为大，能在构建索引的这时候就把每一文件格式在每一关键字下的TF-IDF算好直接存起来，索引的这时候只须要求交集的这时候把那些值加起来然后常量要是。

TF-IDF是不是算，能看我前面的这篇该文【用Golang写两个浏览器（0x05）】，这儿就不说了。

关键字相匹配某种程度除了TF-IDF以为还有个较为重要的不利因素，是词距和词法，那个也很好理解，比如说你搜寻华为智能手机，结论集中有两个货品，两个名字叫华为智能手机Note2，全国包邮，两个名字叫优质华为，可智能手机追溯来源，有可能这两个货品的TF-IDF都是一样的值，但很显著你更愿意看到第两个排在前面，这是词距和词法的负面影响，因此，他们把接下去的2位给词距和词法，也是常量成4个级别，是不是归一那个较为自由，能区分就行。

OK，相匹配某种程度上有5位了，通过这5位他们基本能给出两个初步的次序结论出了，那个结论不能极差，至少基本上会是你要找的小东西，而我实现的那个浏览器基本也就做到这一步棋了，即使前面的次序不利因素和情景就太相关了，但这32位我都留着了，前面的能自由发挥。

当然，负面影响关联性的可不止这两个不利因素，像分词程序的好坏，关键字纠错能力都直接负面影响这一部份的次序结论，这儿他们就说主要的，给大家两个次序的概念。

货品这类的特性

除了上面的相匹配某种程度以为，货品这类的特性也是很重要的次序不利因素，那些特性包括销售量，珍藏单次，点选单次，文章单次，赞誉单次，差评单次，与否拉维县等等等等，你能想不到的和货品这类有关的小东西（也叫feature）都能算进来，甚至能包括像有几张图片啊，图片与否漂亮啊，文章中与否有人晒图啊，对某个特性，比如说销售量，还能行业龙头成日销售量，周销售量，月销售量，那些都能算成货品这类的特性用来负面影响次序。

因此他们把接下去的8位留下来货品的特性吧，现在的关键问题是是不是来算那个数，最简单的办法是他们只考虑月销售量，珍藏单次，点选单次，并且他们人为的给拍两个权重股是月销售量 > 珍藏 > 点选，他们分别占用8位中的3位，3位，2位，常量呵呵，齐活，排好了，够简单吧，所以效果也不能极差。

但作为两个高端的次序，这么做显著较为挫了，即使这一部份的评分较为稳定，它只和货品这类相关，也不须要实时排序，因此通常都是离线算好了要是，因此这儿都是用了机器学习数学模型或是更高端的用了深度学习数学模型来排序。

机器学习算什么呢？算权重股，他们这儿有一大堆的特性（专业点叫feature）X1,X2,X3...Xn，每一都有权重股分别是a1,a2,a3...aN，因此最后的平均分是a1*X1+a2*X2+a3*X3+...aN*Xn，那个平均分最高的就排前面。机器学习是把那些个a1,a2..aN系数给算出，然后在排序每一货品的平均分。

这儿的方法有非常多，通常用得较为多的是方法论重回，如果感兴趣不然能自行去学习呵呵方法论重回，不过没有数学基础就算了，我这儿就不展开了，展开了是一大堆数学公式。

我用最最朴实不然叙述呵呵那个算法啊，希望你能有个简单概念，即使我实在没法更简单的叙述了，想要介绍个中原理的自己去看方法论重回吧，下面的文字有一定误导性，请谨慎阅读。

简单起见，设某个货品他们有两个特性（销售量，珍藏），并且他们知道那个货品最后有没有被点选，然后他们不知道他们的权重股（a1,a2）须要求出，然后用a1*销售量+a2*珍藏来得到那个货品的最后评分。

首先，他们定义两个表达式(a1*销售量+a2*珍藏)*S=Y，Y是什么呢，他们定Y=1表示被点选了，Y=0表示没有被点选，S是什么呢？你把S当成两个牛逼的函数要是，什么小东西乘上他以后就变成不是0是1了，现在他们把销售量，珍藏，与否被点选联系起来了，能开始求那个a1和a2了。

他们有的是最近三个月每一货品的销售量，珍藏和点选统计数据，因此每一货品他们都能写成下面的样子，其中的20，10，30表示销售量和珍藏的具体数

货品1在某时刻 ： (a1*20+a2*10)*S=1

货品2在某时刻： (a1*30+a2*30)*S=0

…...

有了这一大堆表达式，因此他们就两个两个去试那些系数呗，排序机不是最喜欢干这事情么，一直试到某一组系数能满足大部份表达式了，因此OK，是它了，于是他们得到了一组能满足大部份表达式的系数，就用这组系数配合特性来排序平均分了。

这是方法论重回的机器学习算法了，注意啊，这儿不是解方程，是试

于是他们把S丢掉，就用a1*X1+a2*X2+a3*X3+...aN*Xn给每一货品算上两个平均分，再常量呵呵，是这一部份的平均分了，然后填写到这8位上。

通常在这一部份，由于排序量巨大，都是用的Hadoop来算了，算出的这一组系数通常也较为稳定，能用很久，不用每天更新，只有当统计数据积累到一定某种程度以后，再重新算一次系数要是。这样，他们有了这组牛逼的系数，因此每天他们把所拉维县品的平均分重新算一遍，然后更新到这8位中要是。

然后更牛逼的是，当你发现两个新的特性（比如说某个货品是不是在搞活动），你觉得应该会负面影响次序效果，那简单，把那个特性放进去，重新排序呵呵系数，以后就按新系数来排序平均分了。好，黑模式开启，其实吧，算法工程师每天做的是不停的找特性（他们管那个叫featrue，是为了显得你们看不懂），然后让机器去算新系数，没啥难度嘛，嘿嘿。

这一切看起来都很美好，但如何来评估也是问题。

首先，那个Y是不是定，上面他们把与否点选定成Y，是不是合理，如果不合理应该是不是定，如果你有大批闲散人员，因此能人来给每一货品打个标签【好，或是不好】来代替与否点选了，但即便这样也有主观不利因素，因此这一块也是个能深挖的小东西。

第二，机器这么算出的是对的么？我前面拍的月销售量 > 珍藏 > 点选难道就不好么？

第三，除了方法论重回，还有其他的机器学习的数学模型，用其他数学模型算出的肯定和那个系数不一样，那哪个好呢？

因此说，算法工程师还是很忙的，还须要解决至少上面几个问题，还有一些问题，比如说你找到两个特性，是图片漂亮不漂亮应该也会负面影响次序，卧槽，那图片多漂亮，是不是变成两个X放到那个表达式中去啊，这也是算法工程师要解决的。

系数好不好，最简单简单的办法是用了这一组系数以后，浏览器的点选提高了没，如果是B2C不然，因此浏览器带来的收入提高了没，提高了那就行，降低了不然，对不起，把系数回滚吧。

好了，说了这么多了，其实也只是说了次序的皮毛，里面的小东西实在是太多太多了，不然也不能有因此多算法工程师前仆后继的来弄那个了。

这一段写得较为多，我用了尽量能理解不然来说，如果对机器学习感兴趣不然自己去找资料吧，最好先看看线性代数和概率论，如果你不准备深入细致学习线性代数和概率论，只是想复习呵呵，因此推荐两本书，小日本写的《程序员的数学-线性代数》，《程序员的数学-概率论》。

用户这类的特性和行为

除了上面两个部份以为，用户这类的特性行为也能作为浏览器次序的选项，比如说他们把最后8位留下来用户行为吧，何为用户这类的特性和行为呢？

比如说天猫吧，在登录的情况下，搜寻上衣，男的和女的看到的结论是不一样的，男的看到的基本都是男上衣，女的反之。这是用户特性的利用。又比如说你在天猫上一年买的小东西好几十万，所以都是高端货，因此你搜寻某些关键字的这时候，可能贵的小东西会排前面，但我搜的这时候就不能。这是用户行为统计数据的利用。

总之，这一块的想象空间更加巨大，所以这一块和上一块究竟哪个的权重股应该更高，也不好说，因此浏览器的次序这一块能做的工作实在是太多太多了，这部份也能跟推荐系统和广告系统结合起来对搜寻结论产生负面影响，来达到最大化的收益。具体是不是做须要单开一则甚至几篇来写了，最终也会得到两个平均分，然后放到最后的8位上去。

总结

浏览器的次序，不外乎是上面三个大的部份，但每一部份都能深挖出很多很多小东西，所以次序是关乎到两个浏览器好坏的重要指标，大家都是投入巨大人力做那个，两个人要全弄明白也不太可能，我该文中所说的21位有理数作为评分的最终表达方式也只是其中的一种方法，只是为了让大家更简单的理解次序数学模型，因此次序的可操作某种程度实在是太高了，想是不是玩都行，只要最后有效果是好的次序。

最后说说我个人的想法啊，就说B2C次序这一块，某宝的次序目前已经是很流弊了，通常能想不到的小东西他们都做了，所以各式各样新控制技术新理论也用得很多，我觉得相对其他B2C已经是两个炫技的某种程度了，但真的都有效么？上面说的男的女的搜寻出的小东西不一样，你搜的这时候会觉得:"卧槽，好流弊啊！！"，但仔细想想你搜小东西的这时候真的会即使你是男的搜的小东西都是男装，你就会多下单吗？搜寻是两个意图非常明确的操作，你明明是要买女装给老婆的，不能即使搜出是男装你就会多买个男装。当然，阿里肯定是做了AB测试了，不然那个功能都上了一年多了，要是真没效果估计也下线了。

最后，道高一尺，魔高一丈，次序做得这么流弊，老子照样能刷单刷排名，民间的高人根本不明白搜寻次序的理论，一样能分分钟秒了你的搜寻次序，呵呵。

如果想在微信上看，能微信搜寻XJJ267或是西加加语言，那里还有其他类型的该文。