GSA测试：链接和文本排序对比

2019-03-21 来源：光年论坛

经常会看到，好多网站面包屑上的位置标题会被加上链接，像下面这种：

京东的面包屑

同样也有下面这种位置标题没有链接的面包屑，如下图：

中关村面包屑

大概猜想了一下，这在搜索引擎计算中会有一定的影响。

从搜索引擎原理的角度看，页面上的文本和链接是分开处理的。正文提取的时候，是将页面上的文本信息单独提取处理，而把页面上的链接等等会被提取到另一个表中去。TF（词频）计算的时候，是依靠页面上的文本进行计算。猜想，页面上的链接锚文本会被过滤掉，不参与TF的计算。

下面用GSA做的一些测试来验证猜测：

做了两个页面，内容完全一样，页面上有三个用于测试的词【国平刚子 66699303】，词中间用空格隔开。

gnbase-nolink.html是纯写出来的，gnbase-link.html是用三个链接将词指向自己（自链）。

纯文本 and 带链接

测试结果如下：

分别搜索：国平、刚子、66699303 排名在前面的都是不带链接的页面gnbase-nolink.html。

从上图看，不带链接的文本在摘要的时候，将中间的空格去除掉了，把三个词连接在一起。

然而link页面的自链效果没有体现出来，或者说是自己指向自己的锚文本没有直接出现文本效果好。

PS：测试的时候疏忽掉了，link这个页面是14号已经抓取并收录过的，nolink是15号新加上去的，开始测试link显示的日期为2012-05-14，后来发现后改了一下页面，GSA自动重新抓取了一次，link页面的日期才同步到15号。在搜索三个测试词的时候，link虽然抓取早，但是排名却没有后抓取的纯文本页面高。不过在搜索页面标题的时候，还是先抓取的link页面排名高。

由此可见，页面文本会直接参与页面的TF计算，链接锚文本被排除在外。

附录一些搜索数据：

百度关键字 | 网站 | 排名

华为时间管理法 | 360buy | 1

华为时间管理法杨玉柱 | kongfz | 1

华为时间管理法杨玉柱 | 360buy | 4

再生勇士9 | 360buy | 1

再生勇士9 施鸥 | kongfz| 3

再生勇士9 施鸥 | 360buy | 4

。。。。

出现这么一个情况就是，360buy很多书名排名很好，但是加上作者名之后，排名就很不理想，甚至翻页都找不到。点击看了页面，书名一般都是文本形式出现，而作者出现的时候用链接指向了作者的页面。

如果结合TF*IDF的一些因素来看的话，书名与检索词之间获得了不错的相关性，而作者因为没有参与到页面TF的计算，没有获得相应的得分。当只搜索【书名】的时候，书名的TF*IDF相关度够了，排名前面；但搜索【书名+作者】时，TF*IDF（书名）+TF*IDF（作者）的值没达到排名前列的要求。