|
外鏈是搜索引擎排名算法中，判斷網站權重高低的重要指标，當用戶在搜索框中輸入關鍵時(shí)，搜索引擎面(miàn)對(duì)大量擁有相同内容的網頁，首先需要解決的就(jiù)是，通過(guò)哪些參數覺得網頁排名的高低。今天就(jiù)簡單介紹外鏈建設中，比較有名的核心算法：PageRank算法、Hilltop算法、DirectHit算法。
一、Hilltop算法
HillTop，是一項搜索引擎結果排序的專利，是Google的一個工程師Bharat在2001年獲得的專利。HillTop算法的指導思想和PageRank是一緻的，即都(dōu)通過(guò)反向(xiàng)鏈接的數量和質量來确定搜索結果的排序權重。但HillTop認爲隻計算來自具有相同主題的相關文檔鏈接對(duì)于搜索者的價值會(huì)更大，即主題相關網頁之間的鏈接對(duì)于權重計算的貢獻比主題不相關的鏈接價值要更高。在1999-2000年，當這(zhè)個算法被Bharat與其他Google開(kāi)發(fā)人員開(kāi)發(fā)出來的時(shí)候，他們稱這(zhè)種(zhǒng)對(duì)主題有影響的文檔爲“專家”文檔，而隻有從這(zhè)些專家文檔頁面(miàn)到目标文檔的鏈接決定了被鏈接網頁“權重得分”的主要部分。
淺談搜索引擎排名的核心算法 Hilltop算法的過(guò)程：首先計算查詢主題最相關的“專家”資源列表；其次在選中的“專家”集中識别相關的鏈接，并追蹤它們以識别相關的網頁目标；然後(hòu)將(jiāng)目标根據非關聯的指向(xiàng)它們的“專家”數量和相關性排序。由此，目标網頁的得分反映了關于查詢主題的最中立的專家的集體觀點。如果這(zhè)樣的專家池不存在，Hilltop不會(huì)給出結果。
從Hilltop算法過(guò)程可見，該算法包括兩(liǎng)個主要的方面(miàn)：尋找專家；目标排序。通過(guò)對(duì)搜索引擎抓取的網頁進(jìn)行預處理，找出專家頁面(miàn)。對(duì)于一個關鍵詞的查詢，首先在專家中查找，并排序返回結果。
權威頁面(miàn)是對(duì)于一個查詢主題來說(shuō)最好(hǎo)的專家指向(xiàng)的頁面(miàn)。專家也有可能(néng)在更寬泛的領域或其它領域的主題上也是專家。在專家頁面(miàn)中隻有一部分鏈接與主題相關。因此，把查詢主題的專家中相關的外向(xiàng)鏈接合并，以找到查詢主題相關頁面(miàn)高度認可的頁面(miàn)。
從排名在前的匹配專家頁面(miàn)和相聯系的匹配信息中選擇專家頁面(miàn)中一個超鏈接的子集。尤其選擇那些與所有的查詢相關的鏈接。基于這(zhè)些選中的鏈接找出一個它們的目标子集作爲查詢主題最相關的網頁。這(zhè)個目标子集包含至少被兩(liǎng)個非親屬的專家頁面(miàn)鏈接到的網頁。目标集根據指向(xiàng)它們的專家的綜合成(chéng)績來排序。
Hilltop在應用中還(hái)存在一些不足。專家頁面(miàn)的搜索和确定對(duì)算法起(qǐ)關鍵作用，專家頁面(miàn)的質量決定了算法的準确性；而專家頁面(miàn)的質量和公平性在一定程度上難以保證。Hiltop忽略了大多數非專家頁面(miàn)的影響。在Hiltop的原型系統中，專家頁面(miàn)隻占到整個頁面(miàn)的1.79%，不能(néng)全面(miàn)代表整個互聯網。
Hiltop算法在無法得到足夠的專家頁面(miàn)子集時(shí)（少于兩(liǎng)個專家頁面(miàn)），返回爲空，即Hiltop适合于對(duì)查詢排序進(jìn)行求精，而不能(néng)覆蓋。這(zhè)意味著(zhe)Hilltop可以與某個頁面(miàn)排序算法結合，提高精度，而不适合作爲一個獨立的頁面(miàn)排序算法。Hilltop中根據查詢主題從專家頁面(miàn)集合中選取與主題相關的子集也是在線運行的，這(zhè)與前面(miàn)提到的HITS算法一樣會(huì)影響查詢響應時(shí)間。随著(zhe)專家頁面(miàn)集合的增大，算法的可伸縮性存在不足之處。
分析：HITS搜索引擎排名算法的優點在于它能(néng)更好(hǎo)地描述互聯網的組織特點，由于它隻是對(duì)互聯網中的很小的一個子集進(jìn)行分析，所以它需要的叠代次數更少，收斂速度更快，減少了時(shí)間複雜度。
但HITS算法也存在如下缺點：中心網頁之間的相互引用以增加其網頁評價，當一個網站上的多篇網頁指向(xiàng)一個相同的鏈接，或者一個網頁指向(xiàng)另一個網站上的多個文件時(shí)會(huì)引起(qǐ)評分的不正常增加，這(zhè)會(huì)導緻易受“垃圾鏈接”的影響；網頁中存在自動生成(chéng)的鏈接；
主題漂移，在鄰接圖中經(jīng)常包括一些和搜索主題無關的鏈接，如果這(zhè)些鏈接自身也是中心網頁或權威網頁就(jiù)會(huì)引起(qǐ)主題漂移：對(duì)于每個不同的查詢算法都(dōu)需要重新運行一次來獲取結果。這(zhè)使得它不可能(néng)用于實時(shí)系統，因爲對(duì)于上千萬次的并發(fā)查詢這(zhè)樣的開(kāi)銷實在太大。
二、DirectHit算法
與前面(miàn)的算法相比，AskJeeves公司的DirectHit算法是一種(zhǒng)注重信息的質量和用戶反饋的排序方法。它的基本思想是，搜索引擎將(jiāng)查詢的結果返回給用戶，并跟蹤用戶在檢索結果中的點擊。如果返回結果中排名靠前的網頁被用戶點擊後(hòu)，浏覽時(shí)間較短，用戶又重新返回點擊其它的檢索結果，那麼(me)可以認爲其相關度較差，系統將(jiāng)降低該網頁的相關性。另一方面(miàn)，如果網頁被用戶點擊打開(kāi)進(jìn)行浏覽，并且浏覽的時(shí)間較長(cháng)，那麼(me)該網頁的受歡迎程度就(jiù)高，相應地，系統將(jiāng)增加該網頁的相關度。可以看出，在這(zhè)種(zhǒng)方法中，相關度在不停地變化，對(duì)于同一個詞在不同的時(shí)間進(jìn)行檢索，得到結果集合的排序也有可能(néng)不同，它是一種(zhǒng)動态排序。
分析：該算法的優點是能(néng)夠節省大量時(shí)間，因爲用戶閱讀的是從搜索結果中篩選出來的更加符合要求的結果。同時(shí)，這(zhè)種(zhǒng)算法直接融入用戶的反饋信息，能(néng)夠保證頁面(miàn)的質量。
然而，統計表明，DirectHit算法隻适合于檢索關鍵詞較少的情況，因爲它實際上并沒(méi)有進(jìn)行排序，而是一種(zhǒng)篩選和抽取，在檢索數據庫很大、關鍵詞很多的時(shí)候，返回的搜索結果成(chéng)千上萬，用戶不可能(néng)一一審閱。因此，這(zhè)種(zhǒng)方式也不能(néng)作爲主要的排序算法來使用，而是一種(zhǒng)很好(hǎo)的輔助排序算法，目前在許多搜索引擎當中仍然在使用。
其實對(duì)于網頁的搜索排名，都(dōu)是多種(zhǒng)算法綜合作用的結果，簡單分析上面(miàn)的三種(zhǒng)算法，Pagerank可以給網站上的所有網頁給予一個重要性的排序，但是沒(méi)有針對(duì)性、相關性，而且現在PR值作弊已經(jīng)到了一個泛濫的地步，所以PR就(jiù)網頁排名的重要性已經(jīng)大爲下降；
三、PageRank算法
1998年，SergeyBrin和LawrencePage提出了PageRank算法。該算法基于“從許多優質的網頁鏈接過(guò)來的網頁，必定還(hái)是優質網頁”的回歸關系，來判定網頁的重要性。該搜索引擎排名算法認爲從網頁A導向(xiàng)網頁B的鏈接可以看作是頁面(miàn)A對(duì)頁面(miàn)B的支持投票，根據這(zhè)個投票數來判斷頁面(miàn)的重要性。當然，不僅僅隻看投票數，還(hái)要對(duì)投票的頁面(miàn)進(jìn)行重要性分析，越是重要的頁面(miàn)所投票的評價也就(jiù)越高。根據這(zhè)樣的分析，得到了高評價的重要頁面(miàn)會(huì)被給予較高的PageRank值，在檢索結果内的名次也會(huì)提高。PageRank是基于對(duì)“使用複雜的算法而得到的鏈接構造”的分析，從而得出的各網頁本身的特性。
分析：PageRank算法的優點在于它對(duì)互聯網上的網頁給出了一個全局的重要性排序，并且算法的計算過(guò)程是可以離線完成(chéng)的，這(zhè)樣有利于迅速響應用戶的請求。不過(guò)，其缺點在于主題無關性，沒(méi)有區分頁面(miàn)内的導航鏈接、廣告鏈接和功能(néng)鏈接等，容易對(duì)廣告頁面(miàn)有過(guò)高評價；另外，PageRank算法的另一弊端是，舊的頁面(miàn)等級會(huì)比新頁面(miàn)高，因爲新頁面(miàn)，即使是非常好(hǎo)的頁面(miàn)，也不會(huì)有很多鏈接，除非他是一個站點的子站點。這(zhè)就(jiù)是PageRank需要多項算法結合的原因。
Hilltop算法的提出，對(duì)于廣大站長(cháng)做外部鏈接建設，將(jiāng)起(qǐ)到指導作用。在Hilltop算法中，每個領域都(dōu)會(huì)有若幹專家頁面(miàn)，如果搜索相關關鍵詞，搜索引擎首先會(huì)從專家頁面(miàn)查找，如果匹配度不夠，再從專家頁面(miàn)鏈接的下一級頁面(miàn)查找，以此類推。
DirectHit算法可以作爲Hilltop和pagerank很好(hǎo)的補充，DirectHit更多的是，考慮了用戶體驗的影響，對(duì)搜索結果的質量，進(jìn)行實時(shí)的更新，一個最符合搜索用戶要求的頁面(miàn)，應該是用戶從搜索框中點擊頁面(miàn)鏈接開(kāi)始，用戶浏覽網站超過(guò)一定時(shí)間，則被認爲結果頁面(miàn)，更符合用戶搜索的要求，長(cháng)期有效的點擊，頁面(miàn)在搜索引擎中排名，就(jiù)會(huì)有相應的提高。
|
