گروه نرم افزاری شاپرک

GoogleBot متن کامل صفحاتی که پیدا کرده را به اندیس گذار می­دهد. این صفحات در پایگاه داده اندیس گوگل ذخیره می­شوند. اندیس به صورت الفبایی با اصطلاحات جست و جو ذخیره می­شود ، به طوری که با هر ورودی اندیس لیستی از اسنادی که اصطلاحات در آنها وجود دارد و محل این اصطلاحات داخل متن ذخیره می­شود. این ساختمان داده امکان دسترسی سریع به اسنادی که حاوی اصطلاحات پری و جوس کاربر هستند را می­دهد.

برای بهبود کارایی جست و جو ، گوگل از کلمات رایج که کلمات توقف ^[1] ( مثل از، در،با ،برای،چرا ،چگونه،لغات یا حروف تنها)نام دارند صرف نظر می­کند. کلمات توقف تنها کمی در بهبود نتایج جست و جو تاثیر دارند ، بنابراین با اطمینان کنار گذاشته می­شوند.

اندیس گذار هم چنین از نشانه­های متنی و نقطه گذاری و فضاهای خالی چندگانه صرف نظر می­کند. هم چنین همه حروف را به حروف کوچک تبدیل می­کند تا کارایی افزایش یابد.