第一：百度搜索SEO出現(xiàn)的相關(guān)搜索：
以SEO為核心的相關(guān)詞-什么是SEO，如何進(jìn)行SEO
以SEO語義相關(guān)的相關(guān)詞-網(wǎng)絡(luò)推廣
第二：搜狗搜索SEO出現(xiàn)的相關(guān)搜索：
以SEO為核心的相關(guān)詞- seo是什么 seo教程seo查詢
以SEO語義相關(guān)的相關(guān)詞-搜索引擎優(yōu)化
第三：360搜索知乎出現(xiàn)的相關(guān)搜索
以知乎為核心的知乎網(wǎng)，知乎日報
以知乎同類性質(zhì)，語義相關(guān)的果殼網(wǎng)，天涯論壇
還有一就是產(chǎn)品，品牌，公司相關(guān)，比如搜飲料出現(xiàn)康師傅
相關(guān)搜索含義：用戶在搜索框搜索關(guān)鍵詞的時候，在搜索結(jié)果頁的最下方呈現(xiàn)出與搜索詞精準(zhǔn)匹配，詞組匹配，廣泛匹配，相同拼音的相關(guān)詞。遵循拼音，詞組，意義相關(guān)性算法。
相關(guān)搜索目的：增加用戶搜索體驗感，最大限度的解決用戶的搜索需求。當(dāng)用戶查詢詞不當(dāng)，查詢結(jié)果不佳，不知道還有什么更精彩豐富內(nèi)容，那么相關(guān)搜索就可以解決這些用戶痛點(diǎn)，為用戶啟發(fā)性質(zhì)作用，幫助用戶發(fā)現(xiàn)和他更多他意圖相關(guān)的詞。
下拉框是一種搜索提示，是用戶搜索關(guān)鍵詞沒有點(diǎn)擊搜索的時候出現(xiàn)的提示，根據(jù)關(guān)鍵詞前綴匹配
相關(guān)搜索是一種推薦引擎，是用戶搜索關(guān)鍵詞點(diǎn)擊搜索之后的推薦，根據(jù)關(guān)鍵詞語義，拼音，詞組匹配
第一：為了最正確的搜索結(jié)果。
第二：是為了擴(kuò)展搜索，找到更多的東西。
刷搜索引擎相關(guān)搜索的目的：
第一：就是讓我們網(wǎng)站已經(jīng)有了排名的品牌詞，網(wǎng)站名稱，網(wǎng)站關(guān)鍵詞出現(xiàn)在更多關(guān)鍵詞的相關(guān)搜索中，讓更多的用戶點(diǎn)擊相關(guān)搜索達(dá)到網(wǎng)站，提高網(wǎng)站權(quán)重，網(wǎng)站流量。
第二：當(dāng)搜某個核心關(guān)鍵詞，在相關(guān)搜索中出現(xiàn)你的產(chǎn)品，品牌，名稱的推薦，那么會給用戶帶來視覺沖擊，信任建立，知名度，競爭力。
第三：起到引導(dǎo)作用，比如搜索飲料相關(guān)搜索出現(xiàn)康師傅，那么用戶很可能會點(diǎn)擊康師傅。
刷百度相關(guān)搜索原理：
第一：搜索詞熱搜指數(shù)，熱搜度，當(dāng)一個詞的熱度達(dá)到一定搜索流量的時候，只要搜索該詞的拼音，相關(guān)詞就會出現(xiàn)該關(guān)鍵詞。
第二：與搜索詞相關(guān)度，相關(guān)搜索詞語義，拼音，詞組肯定和搜索詞匹配。
第三：搜索引擎網(wǎng)站流量，就算沒有人搜索這個次，但是改詞在百度的權(quán)重非常高，同樣能夠出現(xiàn)在相關(guān)搜索詞中。
第四：下拉框和相關(guān)搜索的影響度很高。
第五：實時熱點(diǎn)，例子，搜索知乎的時候，出現(xiàn)了林志穎，這個語義并不關(guān)聯(lián)，但是林志穎的人氣很高，導(dǎo)致搜索了知乎的人可能跟著搜索過林志穎，這是用戶行為決定的搜索相關(guān)詞也是其中一個算法原理。
刷相關(guān)搜索的實現(xiàn)方法：
第一：比如SEO，我們可以先搜索SEO，然后接著再去搜索SEO教程，那么每天以幾倍的方式增加，當(dāng)達(dá)到一定搜索量的時候，那么SEO的相關(guān)詞搜索就會出現(xiàn)SEO教程了。
打開百度首頁//www.baidu.com/輸入黑卡紙出來的地址為：
//www.baidu.com/s?wd=%BA%DA%BF%A8%D6%BD&rsv_bp=0&inputT=32343
這串代碼中：%BA%DA%BF%A8%D6%BD是代表黑卡紙的代碼
inputT=32343這個是代表搜索結(jié)果出來的運(yùn)算時間(每臺電腦這個數(shù)據(jù)都不一樣的)
再出來的頁面中輸入你要的品牌，比如荔禾黑卡，輸入完畢后，點(diǎn)百度一下。
出來的地址為：//www.baidu.com/s?bs=%BA%DA%BF%A8%D6%BD&f=8&rsv_bp=1&wd=%BA%DA%BF%A8%D6%BD%C0%F3%BA%CC%BA%DA%BF%A8&inputT=54390
這串代碼中：
%BA%DA%BF%A8%D6%BD
這里不變，因為這個是之前我們搜索的黑卡紙,百度就在這里開始記錄下黑卡紙和現(xiàn)在的黑卡紙荔禾黑卡這兩個詞是相關(guān)的。
f=8這個數(shù)值是會變動的。范圍為：
0-9.數(shù)值越高，代表著這個相關(guān)搜索的詞越容易做上去。
%BA%DA%BF%A8%D6%BD%C0%F3%BA%CC%BA%DA%BF%A8是代表黑卡紙荔禾黑卡的代碼
inputT=54390是代表這個是代表搜索結(jié)果出來的運(yùn)算時間
第二：雇傭水軍，或者買肉雞真實去人為制造相關(guān)搜索量。
第三：去購買網(wǎng)站的彈窗廣告，用戶沒點(diǎn)一次就是搜索一次。
第四：誘導(dǎo)，通過在論壇或其他流量大的頁面，放上相關(guān)詞和搜索詞的訪問地址后誘導(dǎo)用戶不斷點(diǎn)擊。
第五：購買軟件來刷搜索引擎相關(guān)搜索。
注意：
第一：相關(guān)搜索詞必須有一定的搜索量
第二：相關(guān)搜索詞確實和搜索關(guān)鍵詞是相關(guān)性質(zhì)的詞
怎么刪除百度相關(guān)搜索：
第一：百度網(wǎng)頁投訴中心投訴
第二：把正面的信息刷上去壓制負(fù)面相關(guān)搜索，并把正面信息做好相應(yīng)的著陸文章頁面。
相關(guān)搜索算法思想：
相關(guān)搜索系統(tǒng)的輸入為用戶的搜索詞，而輸出是一堆與這個詞相關(guān)的其他詞。
搜索詞的出現(xiàn)得益于搜索引擎的詞典，可以計算出語義相關(guān)的詞，但是這樣的詞典中語義相關(guān)的詞還是不足與滿足用戶，所以在次基礎(chǔ)上加入用戶行為(搜索記錄，點(diǎn)擊記錄)來拓展更多相關(guān)詞庫。
通過用戶數(shù)據(jù)引發(fā)的思考：
第一：后繼詞，當(dāng)用戶搜索一個詞比如SEO,，發(fā)現(xiàn)在搜索結(jié)果列表中沒有你需要的內(nèi)容，那么就繼續(xù)用戶其他的詞來尋找，比如搜索SEO教程，那么SEO教程就成了SEO的后繼詞了，所以這種屬于用戶幫搜索引擎找語義相關(guān)詞。
第二：如果一個關(guān)鍵詞搜索詞結(jié)果，跟另外一個，甚至幾個關(guān)鍵詞搜索出來的結(jié)果很多交集，那么這些關(guān)鍵詞很可能也是語義相關(guān)的詞，如果這些搜索結(jié)果的交集被點(diǎn)擊并滿足了，那就確定相關(guān)了。
比如：搜索關(guān)鍵詞A，B，同樣找到了結(jié)果中的HTML1頁面都滿足了這個搜索詞的需求，那么A，B是有一定相關(guān)性的。
相關(guān)搜索算法實現(xiàn)原理：
用戶后繼詞原理：
把用戶在5分鐘之內(nèi)在搜索引擎中搜索詞定義為一次搜索行為，那么就形成了搜索日志，搜索日志如下：
cookie:用戶cookieid keys:[A1,A2.....] [B1,B2.....] [C1,C2.....]
接著按用戶進(jìn)行分類，時間間隔5分鐘進(jìn)行數(shù)據(jù)清理，[x1,x2.....]一個數(shù)組表示一次搜索行為，每個數(shù)組的第一位就是當(dāng)次搜索行為的第一個搜索詞。
cookie:用戶cookieid keys:[A1,A2.....] [B1,B2.....] [C1,C2.....]
對于單個用戶來說搜索后繼詞的確定性是不夠的，比如搜索科比，但是一看到旁邊有人我就立刻改變搜索培訓(xùn)，那么這兩個詞是沒有相關(guān)性質(zhì)的。那么就加入統(tǒng)計規(guī)則去掉一些雜質(zhì)，比如某個詞B只有出現(xiàn)在5個用戶的相同的搜索詞A的后繼詞中才算一個A的后繼詞，還有其他的一些規(guī)則，這么下來，日志就變成了。
key：A succeed：A1,A2,A3.....
用戶協(xié)同過濾原理：
當(dāng)搜索用戶日志足夠多的情況，可以把擁有相同搜索記錄的用戶聚合起來，通過協(xié)同過濾算法，獲取更多的相關(guān)性的詞。通過下面協(xié)同過濾算法同樣可以把加索爾推薦給NBA了。
A用戶：籃球 后繼詞 男籃 女籃
B用戶：NBA 后繼詞 男籃 科比
C用戶：男籃比賽 后繼詞 男籃 加索爾
從搜索詞算法實現(xiàn)：
如果一個關(guān)鍵詞搜索詞結(jié)果，跟另外一個，甚至幾個關(guān)鍵詞搜索出來的結(jié)果很多交集，那么這些關(guān)鍵詞很可能也是語義相關(guān)的詞。
從搜索日志來看例子：
key:搜索詞 time:搜索時間 cookie:用戶cookieid result:a,b,c,d,e(前5個搜索結(jié)果)
這次，我們只用key和result兩項，稍微處理下來以后就變成了
key:搜索詞A result:a,b,c,d,e(前5個搜索結(jié)果)
key:搜索詞B result:a,f,c,g,m(前5個搜索結(jié)果)
如果我們把每一行數(shù)據(jù)的result想象成一篇文檔，result里面的每個結(jié)果集想象成一個詞語，那么這其實就是求兩個文檔之間的相似性了，從頭到尾過一遍就可以找到每一行數(shù)據(jù)和它最相似的數(shù)據(jù)了，而每一行可以用當(dāng)行的搜索詞表示，這么一算下來數(shù)據(jù)就變成這樣子了，后面的括號里面是兩個詞的相似度，如果想知道文本的相似性如何計算，可以參考我之前的文章，本文最后有鏈接。
key：搜索詞Asucceed：搜索詞B(0.8)搜索詞C(0.6).....
key：搜索詞Bsucceed：搜索詞A(0.8)搜索詞E(0.7).....
有了上面這個數(shù)據(jù)，拍一個閾值(比如0.7)卡一下，就得到最后的相關(guān)搜索的結(jié)果了。
這個計算相似性的方法的計算量比較大，而且閾值沒有卡好的話容易出現(xiàn)不相關(guān)的結(jié)果，在實際工程應(yīng)用中使用得不多，下面這個方法使用得更多點(diǎn)，相當(dāng)于這個的加強(qiáng)版。
從用戶搜索結(jié)果集考慮
如果某個搜索結(jié)果(比如一個網(wǎng)頁或者一個商品)出現(xiàn)在了不同的搜索詞的結(jié)果集中，那么這些個搜索詞很可能是相關(guān)的，如果這個搜索結(jié)果在不同的搜索詞下都被點(diǎn)擊了，那么這些個詞的相關(guān)性就更高了。
點(diǎn)擊的加成是很強(qiáng)大的，而且在數(shù)據(jù)量巨大的情況下，我們可以只考慮點(diǎn)擊的情況，還是拉出搜索日志，不過這次是搜索點(diǎn)擊日志了，拉出來處理一下就變成下面這個樣子，每行就是某個搜索詞下點(diǎn)擊的商品
key：搜索詞Aclick:結(jié)果A結(jié)果B結(jié)果C
這個樣子和上面第二種方法最后出來的樣子基本一樣，不過這次是點(diǎn)擊數(shù)據(jù)，相關(guān)性可比直接的搜索結(jié)果要好很多了，因為搜索結(jié)果取決于你的搜索算法，而這種點(diǎn)擊數(shù)據(jù)是來自用戶的，人的可靠性可高了不少，所以說這個是上一個的加強(qiáng)版。
我們可以按照上一個的方法按文本相似性的方法進(jìn)行處理，但是計算量也比較大，如果再仔細(xì)看看這個數(shù)據(jù)的樣子，如果我們把相關(guān)搜索系統(tǒng)想象成豆瓣，搜索詞看成豆瓣的用戶，搜索結(jié)果集看成是豆瓣的電影，那么相關(guān)搜索就變成了一個豆瓣的猜你感興趣的人，也變成了一個協(xié)同過濾的推薦系統(tǒng)了(協(xié)同過濾算法可以參考文章最后的鏈接)，上一節(jié)的協(xié)同過濾算法的數(shù)據(jù)是詞和后繼詞，這里是詞和點(diǎn)擊結(jié)果，雖然數(shù)據(jù)集不同，但是可以用一樣的算法，所以，搜索和推薦技術(shù)其實是密不可分的，既然這樣，完全可以用協(xié)同過濾算法進(jìn)行推薦了。
協(xié)同過濾的算法，簡單版本整體不會超過200行，很容易實現(xiàn)的。
通過這樣的方式，容易推出意思相近的詞，同樣也容易推出看似完全不相關(guān)但仔細(xì)想想還是靠譜的詞，就像下面這樣，他們雖然不見得近義詞，但是很可能會點(diǎn)擊到同一個結(jié)果上。
分形：分形理論|分形圖像|分形數(shù)學(xué)
機(jī)器學(xué)習(xí)：吳恩達(dá)|數(shù)據(jù)挖掘|機(jī)器學(xué)習(xí)周志華
林心如：霍建華|任重|何潤東.......
機(jī)器學(xué)習(xí)
既然上面提到了一下機(jī)器學(xué)習(xí)，其實還有更高端一點(diǎn)的算法，就是用機(jī)器學(xué)習(xí)了，呵呵。我們?nèi)绻焉厦娴慕Y(jié)果key：搜索詞Aclick:結(jié)果A結(jié)果B結(jié)果C處理一下，變成下面的樣子，表示每個結(jié)果集對應(yīng)的搜索詞。
結(jié)果A：搜索詞A搜索詞B搜索詞C....
結(jié)果B：搜索詞B搜索詞A搜索詞D.....
變成上面這個樣子難度不大吧，就是做個倒排就行了，好了，我們把一行看成一篇文檔，每個搜索詞看成一個詞，不就是求各個詞的相似性嘛，祭出神器Word2Vec，直接計算每個搜索詞的詞向量，然后計算各個詞向量之間的相似性，就可以算出每個詞應(yīng)該推薦的詞了。
在這里，我們使用了當(dāng)前最火的機(jī)器學(xué)習(xí)哦，如果用word2vec的庫來實現(xiàn)的話，代碼同樣不超過20行，呵呵，word2vec我之前的文章也有說過，可以看看底部的鏈接
模型MIX
上面說了四種模型，如果使用呢?呵呵，相關(guān)搜索不是有很多詞嘛，很簡單拉，每個模型分幾個詞，看看哪個模型效果好，哪個模型出來的詞用戶點(diǎn)得多再調(diào)整唄，我們看看京東，搜索資治通鑒的時候他們的相關(guān)搜索如下。
我估計啊資治通鑒中華書局，資治通鑒柏楊這種就是第一種模型推出來的，就是后繼詞部分推薦出來的，而史記，二十四史這類應(yīng)該就是通過協(xié)同過濾推薦出來的，至于是哪種協(xié)同過濾就不好推測了。
二，刷搜索刷下拉框和百度分享原理
刷搜索刷下拉框原理
搜索引擎下拉框：當(dāng)用戶在搜索框中輸入一個詞的時候，搜索引擎搜索框會智能匹配出與搜索詞相關(guān)的，并且達(dá)到一定搜索量的后繼詞。通常有10個以內(nèi)的后繼詞推薦出現(xiàn)。
百度搜索下拉框：又叫百度聯(lián)想?yún)^(qū)，百度推薦詞，百度下拉菜單。
搜索引擎下拉框原理：
搜索引擎會從自有詞典和用戶行為產(chǎn)生的巨大搜索詞中，生成搜索引擎推薦詞庫，當(dāng)用戶搜索的關(guān)鍵詞在推薦詞庫中有匹配詞的時候，就會動態(tài)的生成后繼詞的推薦菜單，并且按搜索量從高到低依次排序，最大數(shù)量為十條。
刷搜索引擎下拉框注意幾個關(guān)鍵點(diǎn)：MAC地址，IP地址，瀏覽器COOKIES，搜索行為多樣性，做到從設(shè)備，軟件，到用戶的模仿
真實用戶的搜索行為。
關(guān)鍵詞和后繼詞搜索量十分大的時候，基本沒有辦法完成成本很高，所以只有刷本身流量比較少的關(guān)鍵詞。
刷百度分享原理
百度分享的官方定義和作用：
第一：引入社會化流量，用戶將網(wǎng)站內(nèi)容分享到第三方網(wǎng)站，第三方網(wǎng)站的用戶點(diǎn)擊專有的分享鏈接，從第三方網(wǎng)站帶來社會化流量。
第二：提升網(wǎng)頁抓取速度，使用了百度分享的網(wǎng)頁可以更快地被百度爬蟲發(fā)現(xiàn)，從而幫助網(wǎng)站的內(nèi)容更快地被百度抓取。
第三：展示網(wǎng)頁分享量，使用了百度分享的網(wǎng)頁被用戶分享后，可以使該網(wǎng)頁被分享的次數(shù)展示在百度的搜索結(jié)果頁中，輔助用戶判斷網(wǎng)頁質(zhì)量，提高點(diǎn)擊率。
刷百度分享的方法：
第一：加入互刷群，這樣就可以保證分享IP的廣泛性。
第二：提高分享的真實性，需要從搜索引擎搜索相應(yīng)關(guān)鍵詞進(jìn)入網(wǎng)站，停留時間，瀏覽量要自然，每個訪客的獨(dú)特性，然后再分享。
第三：注意分享之后的回流，也就是說當(dāng)你收藏分享之后，最好在從分享頁面經(jīng)?；貋頌g覽網(wǎng)站。
第四：注意分享的頻率，要穩(wěn)定，程序漸漸的增加。
第五：用軟件刷分享。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
