網(wǎng)站文章內(nèi)鏈的一個(gè)思路
內(nèi)鏈：顧名思意就是在自己網(wǎng)站的內(nèi)容中的相關(guān)文字加入鏈接，并且鏈接到網(wǎng)站內(nèi)部的相關(guān)頁(yè)面。合理的網(wǎng)站內(nèi)空鏈接構(gòu)造，能提高搜索引擎的收錄與網(wǎng)站權(quán)重。相對(duì)外部鏈接，內(nèi)部鏈接也很重要。
傳統(tǒng)方式
以前我們做文章系統(tǒng)或新聞發(fā)布系統(tǒng)的時(shí)候，做文章內(nèi)鏈（標(biāo)簽）的時(shí)候，通常是通過(guò)以下方式來(lái)實(shí)現(xiàn)的：
數(shù)據(jù)庫(kù)：article（文章表）字段（id， title， body， adddate， userid），keyword（內(nèi)鏈表）字段（id， name， link）
在發(fā)布文章的時(shí)候，循環(huán)內(nèi)鏈表內(nèi)的所有，來(lái)替換文章的body。
這樣確實(shí)是實(shí)現(xiàn)了想要的功能，但是如果我們的內(nèi)鏈表的數(shù)據(jù)達(dá)到很大的數(shù)目，比如2W、5W或更多的時(shí)候。每發(fā)布和修改一片文章的效率是可想而知的。那么網(wǎng)易的新聞、百度的百科等這樣打大型網(wǎng)站是如何實(shí)現(xiàn)的呢？如果按照以上的做法，那系統(tǒng)在幾個(gè)月后就直接崩潰了。
分析比較
一篇正常的文章會(huì)有多少字（不計(jì)HTML代碼）？1W？我想1W的文章已經(jīng)算是很長(zhǎng)的了，而且想在如果直接在一個(gè)頁(yè)面顯示1W的文章相信沒(méi)有幾個(gè)人有耐心能看完的。為了頁(yè)面美觀和用戶體驗(yàn)，編輯通常都是將內(nèi)容過(guò)多、篇幅超長(zhǎng)內(nèi)容的文章分段處理（分為幾篇文章，或分章節(jié)）。如果我們能事先將可能出現(xiàn)內(nèi)鏈的字從文章中提取出來(lái)，再?gòu)臄?shù)據(jù)庫(kù)里檢索，這樣效率是不是就可以得到很大的提高？答案是肯定的。我們就拿1W字的文章來(lái)說(shuō)，假設(shè)文章的所有文字都需要內(nèi)鏈，循環(huán)的次數(shù)是1W次。比上面的例子假設(shè)要強(qiáng)得多吧？
在傳統(tǒng)方式中，不管你要不要，把內(nèi)鏈表的東西全查一邊。而下面這種思路是事先將有可能出現(xiàn)內(nèi)鏈的字詞全部整理出來(lái)，再用這些詞分別去檢索內(nèi)鏈表。這樣一比較問(wèn)題就出來(lái)了。
新思路就是：從文章中取出需要內(nèi)鏈的字詞，然后去查詢內(nèi)鏈表。
可行操作
我們暫且把傳統(tǒng)方式稱為被動(dòng)方式，把新思路的方法稱為主動(dòng)方式。
主動(dòng)方式的實(shí)現(xiàn)方法如下。
利用中文分詞技術(shù)，我們可以對(duì)一篇文章進(jìn)行分詞。然后根據(jù)分詞后的詞表，過(guò)濾掉常用的物主代詞、副詞、感嘆詞等。把名詞、品牌、地名、商標(biāo)等留下，或者根據(jù)自己的詞庫(kù)表來(lái)分詞。然后把剩余的字詞去檢索內(nèi)鏈表，如果有存在，我們就坐上鏈接，不存在就PASS。
以上只是思路的一個(gè)初步構(gòu)思，在實(shí)際實(shí)現(xiàn)過(guò)程中需要考慮的因素很多。我覺(jué)得重點(diǎn)就在分詞這個(gè)環(huán)節(jié)。
來(lái)源：讀者沈力投稿
來(lái)源：月光博客
