搜索引擎基于鏈接的排序算法
向大家推薦這篇較早以前的文章，其實(shí)很多經(jīng)典的文章，SEO的價(jià)值含量才更多。
基于鏈接的排序算法似乎已廣泛應(yīng)用到各種商業(yè)搜索引擎中。為了讓設(shè)計(jì)出來的網(wǎng)站能夠在各種搜索引擎中獲得較高排名，設(shè)計(jì)者們應(yīng)該知道這些算法的原理。 Google排名的成功意味著PageRank算法值得特別的關(guān)注。PageRank算法是少數(shù)幾個(gè)公開的排序算法之一。PageRank算法對數(shù)學(xué)要求很高，但可以做些簡單的解釋，以分析它對網(wǎng)絡(luò)空間的影響。搜索引擎的其他排序算法也可能獲得與PageRank算法相同的結(jié)果，盡管他們沒有公開任何與其相關(guān)的信息。HITS算法是另一個(gè)基于鏈接的排序算法，與PageRank算法形成鮮明對比，下面的引述概括了鏈接對于搜索引擎的價(jià)值?！巴ㄟ^分析網(wǎng)頁間的鏈接關(guān)系，搜索引擎可以判定出一個(gè)網(wǎng)頁是關(guān)于什么的，也可以判斷它是否很重要并值得列入排序列表中去?！?/p>
搜索引擎在排序過程中不考慮鏈接因素，而使用一個(gè)基于關(guān)鍵詞詞頻的公式，該公式在潛在匹配文檔中統(tǒng)計(jì)以用戶為中心的查詢的關(guān)鍵詞的詞頻。例如，檢索“動(dòng)物學(xué)”時(shí)，引擎可能返回文檔標(biāo)題、頭部和正文或是在URL中出現(xiàn)該詞語的所有網(wǎng)頁。這種排序算法可能無法判定哪些是關(guān)于“動(dòng)物學(xué)”的最權(quán)威的網(wǎng)頁，而只能判定哪些頁面中與“動(dòng)物學(xué)”相關(guān)的詞語最多。但PageRank算法卻可以通過鏈接結(jié)構(gòu)，判別出哪個(gè)是最權(quán)威的網(wǎng)頁——排名位于最前面的那個(gè)，即擁有最多入鏈的網(wǎng)頁。這就使得引擎能夠返回一個(gè)真正的權(quán)威網(wǎng)頁，而不是一個(gè)類似于“動(dòng)物學(xué)”課程表的網(wǎng)頁。
1998年Google排名的PageRank算法的設(shè)計(jì)者和奠基者 Brin和Page將其核心部分公開。隨后，在1999年他們和Motwani、Winogriad對其進(jìn)行了更為詳細(xì)地闡述。直到2004年，該算法仍在使用，只是作為一個(gè)更大規(guī)模的算法集的一部分，該算法集采用100多個(gè)指標(biāo)來判定網(wǎng)頁是否和用戶的查詢相關(guān)，并對它們進(jìn)行排序。Google排名官方聲明：“雖然我們有許多工程師在為全面提高Google排名的各個(gè)方面而努力，但PageRank算法仍然是我們網(wǎng)絡(luò)搜索工具技術(shù)的基礎(chǔ)?！毕旅媸侵?PageRank算法的兩個(gè)基本理念：
·人鏈?zhǔn)呛饬磕繕?biāo)網(wǎng)頁重要性的很好的指標(biāo)。
·源于重要網(wǎng)頁的人鏈比源于次要網(wǎng)頁的人鏈更能說明該網(wǎng)頁的重要性。
在一個(gè)簡單的基于鏈接的投票系統(tǒng)中，可以給每個(gè)網(wǎng)頁投票，并允許網(wǎng)頁將其一票平分后投給它所鏈接的網(wǎng)頁，最后統(tǒng)計(jì)每個(gè)網(wǎng)頁的最終票數(shù)便可形成一個(gè)排序系統(tǒng)。在這一過程中，擁有較多人鏈的網(wǎng)站能獲得較高的票數(shù)。然而，這個(gè)簡單的投票系統(tǒng)不足以說明問題。如受歡迎的列表網(wǎng)頁的入鏈很多，就會獲得很多投票，但該頁面只有一票，可平分給它所鏈接的目標(biāo)網(wǎng)頁，這些目標(biāo)網(wǎng)頁中可能含有有價(jià)值的內(nèi)容。重復(fù)這個(gè)投票過程，使得每個(gè)網(wǎng)頁在前一輪中獲得的票數(shù)平分給其目標(biāo)網(wǎng)頁。然而遺憾的是，當(dāng)投票系統(tǒng)陷入循環(huán)時(shí)，或遇到一個(gè)沒有出鏈的網(wǎng)頁時(shí)，投票的重復(fù)過程便無法進(jìn)行下去了。
對此，Brin和Page提出的解決方案是，在每次投票時(shí)，網(wǎng)頁回收一部分票數(shù)，而不全部傳遞給它的鏈接目標(biāo)網(wǎng)頁。他們建議保留15%的票數(shù)，這樣，每次投票時(shí)，網(wǎng)頁只將其85%的票數(shù)平分給其鏈接目標(biāo)網(wǎng)頁，而另外15%的票數(shù)供系統(tǒng)中所有的URL平分。運(yùn)用數(shù)學(xué)算法可以有效地實(shí)現(xiàn)這一投票系統(tǒng)。重復(fù)這樣的投票過程，直至所有網(wǎng)頁的票數(shù)都趨于穩(wěn)定，即在新的一輪投票中，網(wǎng)頁票數(shù)的變化很小，這樣，PageRank算法便誕生了。
有兩種PageRank算法和修正算法，修正后的算法有明顯的不同。實(shí)踐中，Google排名采用的可能是PageRank修正算法。第一種修正算法是由Lifantsel在2000年提出的，即將 PageRank的投票統(tǒng)計(jì)建立在網(wǎng)站的基礎(chǔ)上，而不是對單個(gè)網(wǎng)頁進(jìn)行投票統(tǒng)計(jì)。第二種修正算法是由Page、Brin、Motwain和 Winograd于1999年提出的，即自動(dòng)賦予一個(gè)網(wǎng)站的首頁較高的票數(shù)。Google排名似乎同時(shí)采用了這兩種修正算法，可能是與基于網(wǎng)頁的標(biāo)準(zhǔn)算法相結(jié)合，也可能是完全將其取代，但這些都只是猜測.
來源：盧松松博客
