特征权重的处理与最终排名

准备写一篇文章关于seo优化细节的问题，因为我们常常说道seo要从细节做起，但是谈着谈着就不谈了，为何？因为没有人知道要注意哪些细节，了解了所有的细节也就掌握了se的机制，这点是最难的，也就是说最基础的也往往是人们做不好的。这篇不再叙述，首先说说特征权重问题。

做seo不研究特征权重我感觉是一件非常荒谬的事情，可是貌似大佬们都不爱说，即使是国内最火最专业的论坛，你看到的也就是外链、内容、锚文本、服务器速度等细节，你甚至搜索不到任何新鲜的玩意，这原本就是不正常的。

对于特征权重，它主要的作用就是影响serp最终结果的一系列的因素，而每个不同的因素所影响的阶段和时间是不一样的，影响的范围也是不一样的。假如你是一线的seoer，你已经掌握了特征权重有哪些，你还需要知道蜘蛛是如何处理的，因为只有处理之后的特征权重才是直观性的数据化显示出来。

互联网上的所有的数据只有两种，离散型和连续性的。连续性的可以计数的，例如外链数量、关键词出现次数等，这些因素的处理直接采用的是计数，但是由于有些数量或许是非常大的，必须取对数来降低影响，这里就有一个问题就是数值较大时候，一旦取了对数会不会降低了影响，zero在这里说了大众点评网的关键词密度过高问题，这里其实是有很多问题，在一定度量上，无论是否取对，数量都是呈现正面效应的，只是起到的作用降低了，这就比如一个加速度问题，力变小了，加速度变小了，但是速度还在增加ing的。

对于离散型数据，一般采用布尔模型或者向量空间模型处理机制，更多的是一个指标的多个纬度，这里最重要的是如何把度大小加入到离散型数据中，是采用带权传递或者给与不同权重分配不一样的比例。不管怎么计算，最终的结果都会呈现出不可控制性，但指标变多时候，不可控制的因素将会大大增加，但是同时也更多范围内满足人们的匹配。

百度和谷歌最大的区别就在于指标的量上是不一样多的，谷歌多，因此所需要的处理能力强，但最终排名会更加的客观，匹配度更加宽广，百度的指标量少，就呈现出中间突出的的状态，这也是两者结果排序最大的差别。

讲了这么多一定有人不耐烦了，这有什么用处呢？ 我说这个作用太大了，举个最小的例子，很多人看不懂为何某个页面排名异常的好，怎么都思考不出来为何，其实这就是离散型变量的影响，离散型变量呈现的一个最大的特点增加了结果的随机性。

至于如何采用特征权重的处理问题，还有一个最重要的就是结合我们做seo的时候，很多时候她都可以指导我们，比如某个因素做得太好时候，由于会去对数，影响将会降低，我们把握好这个点就可以把工作效率在理论上提高10倍；她也可以帮我们解释很多问题，如根据se的精神，当一个网站原创的文章的不再收录时候，很多人不知道为何会出现这样的机制，亲你知道为何吗？