Chương 1: Tổng quan về Search Engine Optimization 1.1 Tìm hiểu về Search Engine 1.1 Search Engine là gì? Khám phá thế giới cùng Search Engine trong thời đại ngày nay, thông tin là nhu cầu thiết yếu đối với mọi người trên mọi lĩnh vực. Mỗi phút trôi qua hàng triệu triệu trang web được đưa lên nhằm làm giàu nguồn tài nguyên vô tận này đồng thời đáp ứng một cách đầy đủ nhu cầu tìm kiếm của con người thông các Search Engine. Phần mềm Search Engine cung cấp các địa chỉ Web có chứa một hay nhiều thông tin, từ khóa mà người dùng cần tìm kiếm. Thuật ngữ search engine đôi lúc được dùng không chính xác để chỉ các chỉ mục Web do các biên tập viên biên soạn.
ế : spider, web wanderer… là một phần của search engine, chuyên “chu du” khắp các website, sao chép từng trang nó tìm được và lập chỉ mục (index) cho từ khóa, trên trang. Bạn chỉ cần biết một vài thông tin hay từ khóa về website bạn cần tìm kiếm, sau đó sử dụng các search engine là bạn có thể tìm ra được những thứ bạn mong muốn. Theo một nghiên cứu do công ty Zona Research (Mỹ) tiến hành khảo sát vào năm 1999 thì search engine hiện là phương thức tìm kiếm thông tin trên Web được sử dụng nhiều nhất, nó chiếm tới 77% tổng thời gian tìm kiếm. Theo kết quả khảo sát người tiêu dùng của một công ty khác cũng vào năm 1999 thì 88% người dùng trực tuyến có sử dụng một search engine và 72% có dùng một search engine để tìm kiếm hàng hóa bán lẻ.
Đối với nhiều người dùng, search engine là yếu tố định hình nên bức tranh về kho thông tin trên website. Tuy nhiên, một nghiên cứu gần đây của NEC Research Institute và Inktomy cho thấy có tới hơn một tỷ trang Web riêng biệt trên internet và hầu hết các search engine đã bỏ qua không lập chỉ mục cho 1/4 số trang này. Mặt khác, có khoảng 7-14% những nội dung đã được lập chỉ mục lại không tồn tại trên Internet.2 Các bộ phận cấu thành Search Engine.1 Bộ thu thập thông tin - Robot. Robot là một chương trình tự động duyệt qua các cấu trúc siêu liên kết để thu thập tài liệ ột cách đệ quy nó nhận về tất cả tài liệu có liên kết với tài liệu này.
Robot được biết đến dưới nhiều tên gọi khác nhau: spider, web wanderer, bot hoặc web worm … Những tên gọi này đôi khi gây nhầm lẫn, như từ „spider‟, „wanderer‟ làm người ta nghĩ rằng robot tự nó di chuyển và từ „worm‟ làm người ta liên tưởng đến virus. Về bản chất robot chỉ là một chương trình duyệt và thu thập Nguyễn Duy Long - CT1301 10 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng thông tin từ các site theo đúng giao thức web. Những trình duyệt thông thường không được xem là robot do thiếu tính chủ động, chúng chỉ duyệt web khi có sự tác động của con người.2 Bộ lập chỉ mục – Index. Hệ thống lập chỉ mục hay còn gọi là hệ thống phân tích và xử lý dữ liệu, thực hiện việc phân tích, trích chọn những thông tin cần thiết (thường là các từ đơn, từ ghép, cụm từ quan trọng) từ những dữ liệu mà robot thu thập được và tổ chức thành cơ sở dữ liệu riêng để có thể tìm kiếm trên đó một cách nhanh chóng, hiệu quả.
Hệ thống chỉ mục là danh sách các từ khoá, chỉ rõ các từ khoá nào xuất hiện ở trang nào, địa chỉ nào.3 Bộ tìm kiếm thông tin – Search Engine. (q : a, an, the… Khi gõ một từ khoá (keyword) cần tìm vào một công cụ tìm kiếm, các Search engine này có nhiệm vụ tìm các từ khoá đó ở tất cả các trang Web theo hình thức các trang Web chứa nhiều từ khoá cần tìm sẽ dễ dàng trả về danh mục kết quả của các Search engine. Ngày nay, hầu hết các search engine đều hỗ trợ chức năng tìm cơ bản và nâng cao, tìm từ đơn, từ ghép, cụm từ, danh từ riêng, hay giới hạn phạm vi tìm kiếm như trên đề mục, tiêu đề trang web… Ngoài việc tìm chính xác các từ khoá, các Search engine phải được trang bị các phương pháp tìm kiếm đa ngôn ngữ. Nguyễn Duy Long - CT1301 11 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng 1.
Một Search engine hoạt động theo các bước sau: Web crawling. Search engine làm việc bằng cách lưu trữ thông tin về nhiề. Những thông tin này sẽ được thu thập bởi các robot (chính là Web crawling) và nội dung của mỗi trang sẽ được phân tích để Search engine quyết định nên index cái nào (ví dụ, những từ khoá được thu thập từ các titles, heading hay một số trường đặc biệt gọi là meta tags). Dữ liệu về những trang web sẽ được lưu trữ tại các cơ sở dữ liệu chỉ mục để sử dụng cho những lần truy vấn sau.
Một số Search engine, như Google chẳng hạn, sẽ lưu trữ toàn bộ hay một phần trang gốc (được xem như một cache) cũng như thông tin về trang web đó, trái lại với một số Search engine khác như AltaVista : sẽ lữu trữ tất cả các từ của những trang mà nó tìm thấy. Khi người dùng nhập vào các Search engine một truy vấn (thườ ), các Search engine sẽ kiể ủ danh sách các trang web phù hợp nhất, thường là các cụm từ ngắn hay một phần của một đoạn văn bản. Hầu hết các Search engine đều sử dụng các Boolean Operators (toán tử luận lý) như AND, OR và NOT để xác đị. Một số search engine khác lại sử dụng những phương pháp tiên tiến hơn như Proximity Search (tìm kiếm gần kề) để cho phép người dùng xác định được khoảng cách giữa các từ khoá.1: Số liệu về.
Search engine Google AlltheWeb Teoma Database Google. Nguyễn Duy Long - CT1301 12 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng ). And And And - - -. AND,OR,ANDNOT, Boolean ) RANK,() riêng) Stop word.
Intitle :, inurl :, normal.title: intitle:inurl: allintitle :, allinurl:, url.all: site:geoloc:lang:. filetype:, link:site: link.all: last: - Trong search nâng link.extension: afterfate: cao : cache:info: -. - - : pdf, doc,… IP. : Google Sơ l Search engine Google: Nguyễn Duy Long - CT1301 13 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng -.
- Search engine Google: www. + fields: intitle:, inurl:, link:, site:. Nguyễn Duy Long - CT1301 14 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng. Khi tìm kiếm bất cứ thứ gì với các Search engine, thì gần như ngay lập tức, các Search engine sẽ tìm trong cơ sở dữ liệu hàng triệu trang của nó lấy một hay nhiều kết quả phù hợp nhất.
Tất nhiên, những Search engine không luôn luôn đúng. Nhữ ỏ qua, và đôi khi nó có thể đưa nhiều hơn những gì bạn cần. Nhưng đối với những Search engine lớn, kết quả thật đáng kinh ngạc. Brian Pinkerton - người sáng lập webCrawler nói: "khi bạn vào một thư viện, bạn hỏi người thủ thư: “travel”? Người thủ thư sẽ nhìn bạn chằm chằm và đưa ra vài gợi ý để bạn có thể miêu tả nhiều hơn, rõ nghĩa hơn những gì bạn cần tìm liên quan đến từ khóa “travel”.
Đối với các search engine thì không phải như vậy. Bạn chỉ có thể tìm được những thông tin liên quan đến từ khóa bạn nhập vào. Nó ít khi đưa ra cho bạn một gợi ý tốt hơn (ngoại trừ từ bạn đưa vào bị sai chính tả)." Vậy làm sao để những Search engine có thể tìm kiếm, lục lọi trong đống hồ sơ hàng trăm triệu trang của chúng để tìm ra những kết quả liên quan ? Câu trả lời ở đây là chúng có những quy tắc nhất định, được biết đến như những giải thuật đặc biệt. Mỗi giải thuật được thể hiện chính xác như thế nào thì không ai được biết, vì đây là bí mật thương mại, nhưng nhìn chung, chúng có những điểm cơ bản sau đây: Vị trí, vị trí, vị trí.và tần số : Một trong số những quy tắc chính trong giải thuật xếp hạng bao gồm sự định vị (vị trí) và tần số xuất hiện của những từ khóa trên một trang Web.
Gọi ngắn gọn, nó là phương pháp định vị (vị trí)/ tần số. Lấy lại ví dụ trước: Khi bạn hỏi một thủ thư về "travel", rõ ràng anh ta sẽ đi tìm đến những cuốn sách có tiêu đề liên quan đến Du lịch (travel). Các Search engine cũng làm việc như vậy. Những trang với những thuật ngữ tìm kiếm xuất hiện trong tiêu đề HTML thường là những nội dung liên quan nhất của đề tài.
Những Search engine cũng kiểm tra xem phải chăng những từ khóa cần tìm kiếm xuất hiện gần đỉnh của một trang web, như trong hàng title hay trong câu đầu tiên văn bản. Chúng giả thiết rằng bất kỳ trang nào liên quan đối với đề tài sẽ đề cập những từ đó ngay từ đầu tiên. Tần số là nhân tố chính khác trong những Search engine xác định mối quan hệ như thế nào. Các Search engine sẽ phân tích tần số xuất hiện của một từ khóa trong tòan bộ trang web.
Một từ xuất hiện lặp lại nhiều lần thường trên một trang được coi là liên quan hơn so với các t nhau. Nguyễn Duy Long - CT1301 15 Đồ án tốt nghiệp Trường ĐHDL Hải Phòng Những nhân tố bên ngoài (Off the page factors). Những nhân tố bên ngoài (Off Page) là những nhân tố không dễ bị tác động bởi các webmaster. Đứng đầu trong số này là sự phân tích những mối liên kết.
Bằng việc phân tích những trang liên kết tới nhau như thế nào, một cỗ máy tìm kiếm có thể xác định một trang là có vị thế gì và liệu trang kia có “quan trọng” và xứng đáng được xếp hạng cao hay không. Một nhân tố bên ngoài khác có tác động lớn là việc đếm số lần truy cập vào trang web. Nói ngắn gọn, các search engine theo dõi xem trang nào được tìm kiếm nhiều hơn với một từ khóa nào đó. Một trang hôm qua đang xếp hạng thấp, nhưng có nhiều người tìm kiếm truy cập vào thì sẽ được nâng cao trong hiện tại.
Còn những trang ở top trên, nhưng hiếm khi được ai đó truy cập sẽ bị mất dần ngôi vị. Đấy chính là lý do vì sao hầu hết các trang báo lớn, với số người truy cập cao luôn có vị trí cao trong các cỗ máy tìm kiếm.2 Tối ưu hóa công cụ tìm kiếm (Search engine optimization) 1.1 Tối ưu hóa công cụ tìm kiếm là ? Tối ưu hóa công cụ tìm kiếm (Search engine optimization) là một tập hợp các phương pháp nhằm nâng cao thứ hạng của một website trên trang kết quả của các công cụ tìm kiếm.
