万里平台南京会场：如何利用shingle算法布局网站内链和聚合页生成

当站外的优化越来越难的时候，站内的优化就成为了seoer的必备技能，也是检验seo能力的体现。特别是在大型网站，站内优化尤为重要。

我之前有说过，内链的作用除了提升收录，那么就是提升用户的点击以及页面的投票等。

那么如何合理的分配和布局内链就是一个很有意思的研究了。

常用内链调用套路

所谓的内链调用，就是我们网站的内页（包括列表页、详情页以及其它聚合页面）的链接模块上的链接调用啦。

比如：最新文章、相关文章、站长推荐、tag标签云以及其它的链接模块，由于每个站都不一样，这里就不一一展开讲。

我们一般的方式就是，最新文章是调用N条最新发布的文章，相关文章也是调用最新的tag相关的文章，还有站长推荐可能就是调用那些在后台选的推荐位的内容，tag标签云也是调用最新的N条标签链接。

但是我们很快就发现以上的调用方式存在很大的问题，我们没有合理的分配内链的资源。比如最新文章，比如调用20,30条。那么这30条内容会一下子获得全站的链接推荐，但是很快又会被其它新发布的链接给替换掉了。还有就是很多当天发布的新文章，可能展示的机会都没有1秒钟就被后来发布的新文章给替换掉了（如果我们每天发布很多的文章的话）。

对于相关文章以及tag标签也存在同样的问题。而且由于这种分布的不平等，很容易导致很多的页面的层级会很深得不到很好的推荐。那么就会非常的影响蜘蛛对于整站内容的抓取。

解决不了抓取的问题，那么对于后续的提升排名什么的都是无用的。因为蜘蛛没有发现你的链接就没法计算权重获取内容啥的。

那么如何解决这种分配不均匀的问题呢？

一种很简单的方法就是随机调用，这样看起来会好很多。但是随机调用对于网站数据库的性能是很大的挑战。

因此又进行了升级，对页面进行缓存，或者生成静态页面。

但是这种方法看起来是不错，但是可控性太差了，我们没法很好的控制每个页面的链接分配。

如何解决这个问题呢？这就是我们今天的主题，shingle算法！

shingle算法介绍

shingle在英文中表示相互覆盖的瓦片。基本概念：

• shingle 由N个字组成一个shingle，比如可以用5个字组词一个。

shingle算法其实是搜索引擎用来计算内容的相似度的，其原理是：

从文档开始位置取，每隔N个字取一个shingle，直到取完，然后计算每个shingle的签名（hash）。最后将记录完全一致的shingle数除以两个文档的shingle总数减去一致的shingle数（就是简单的集合运算）。这种算方法计算出来的数值称为jaccard系数。计算公式如下：

J = A∩B / A∪B

算法结论：对于长度L的文档，每隔N个汉字取一个shingle，这样一共取到L-N+1个shingle。可见N的取值对于效率和效果的影响是非常大的。

实例说明一下吧，比如我们这里有两篇文档：文档1：

9月3日，林心如出席了某品牌的发布会，面对媒体的群访，她与大家分享了家人的近况。

标题：《万里平台南京会场：如何利用shingle算法布局网站内链和聚合页生成》作者：祖冬；学海无涯，欢迎大家分享，如有侵权请联系作者，本文链接：http://www.chinanumberone.net/seostu/10050.html