在Google誕生之前，傳統(tǒng)搜索引擎主要依靠頁面內(nèi)容中的關(guān)鍵詞匹配搜索詞進行排名。這中排名方式的短處現(xiàn)在看來是顯而易見，那就是很容易被刻意操縱。黑帽SEO在頁面上堆積關(guān)鍵詞。或加入與主題無關(guān)的熱門關(guān)鍵詞，都能提高排名，使搜索引擎排名結(jié)果質(zhì)量大為下降。現(xiàn)在的搜索引擎都使用鏈接分析技術(shù)減少垃圾，提高用戶體驗。本節(jié)就簡要探討鏈接在搜索引擎排名中的應(yīng)用原理。

 

        在排名中計入鏈接因素，不僅有助于減少垃圾，提高結(jié)果相關(guān)性，也使傳統(tǒng)關(guān)鍵詞匹配無法排名的文件能夠被處理。比如圖片、視頻文件無法進行關(guān)鍵詞匹配，但是卻可能有外部鏈接，通過鏈接信息，搜索引擎就可以了解圖片和食品的內(nèi)容從而排名。

 

         鏈接因素現(xiàn)在已經(jīng)超過頁面內(nèi)容的重要性。不過理解鏈接關(guān)系比較抽象。頁面上的因素對排名的影響能看得到：關(guān)鍵詞在標題標簽中出現(xiàn)有什么影響，出現(xiàn)在最前面又有什么影響，有技術(shù)資源的還可以大規(guī)模地統(tǒng)計，技術(shù)出關(guān)鍵詞出現(xiàn)在標題標簽中不同位置與排名之間的關(guān)系。雖然這種關(guān)系不一定是因果關(guān)系，但至少是統(tǒng)計上的聯(lián)系，使SEO人員大致了解如何優(yōu)化。

 

李彥宏超鏈分析

 

        百度創(chuàng)始人李彥宏在回國之前就是美國頂級的搜索引擎工程師之一。據(jù)說李彥宏在尋找風險投資時，投資人詢問其他三個搜索引擎業(yè)界的技術(shù)高人一個問題：要了解搜索引擎技術(shù)應(yīng)該問誰。這三個被問到的高人中有兩個人回答：搜索引擎的事就問李彥宏。由此投資人斷定李彥宏是最了解搜索引擎的人之一。

 

        這事實就是在現(xiàn)實生活中類似于鏈接關(guān)系的應(yīng)用。要判斷哪個頁面最具權(quán)威性，不能光看頁面自己怎么說，還要看其他頁面怎么評價。

 

        李彥宏1997年就提交了一份名為“鏈接文件檢索系統(tǒng)和方法”的專利，這比Google傳說人發(fā)明PR要早得多，不得不說這是非常具有前瞻性的研究工作。在這份專利中，李彥宏提出了與傳統(tǒng)信息檢索系統(tǒng)不同的基于鏈接的排名方法。

 

        這個系統(tǒng)除了索引頁面之外，還建立一個鏈接詞庫，記錄鏈接錨文字的一些相關(guān)信息，如錨文字中包含哪些關(guān)鍵詞，發(fā)出鏈接的頁面索引，包含特定錨文字的鏈接總數(shù)，包含特定關(guān)鍵詞的鏈接都指向哪些頁面。詞庫不僅包含關(guān)鍵詞原型，也包含同一個詞干的其他衍生關(guān)鍵詞。

 

        根據(jù)這些鏈接數(shù)據(jù)，尤其是錨文字，計算出基于鏈接的文件相關(guān)性。在用戶搜索時，將得到的基于鏈接的相關(guān)性與基于關(guān)鍵詞匹配的傳統(tǒng)相關(guān)性綜合使用，得到更準確的排名。

 

        在今天看到，這種基于鏈接的相關(guān)性計算是搜索引擎的常態(tài)，每個SEO人員都知道。但是在十幾年前，這無疑是非常創(chuàng)新的概念，當然現(xiàn)在的搜索引擎算法對鏈接的考慮，已經(jīng)不僅僅是錨文字，實際上要復(fù)雜的多。

 

HITS算法

 

        HITS是英文Hyperlink-Induced Topic Search 的縮寫,意譯為“超鏈誘導主題搜索” 。

 

        按照HITS算法，用戶輸入關(guān)鍵詞后，計算對返回的匹配頁面技術(shù)兩種值，一種是樞紐值，另一種是權(quán)威值，這兩個值是相互依存、相互影響的。所謂樞紐值，指的是頁面上所有導出鏈接指向頁面的權(quán)威值之和。權(quán)威值指的是所有導入鏈接所在頁面的樞紐值之和。

 

        上面的定義比較拗口，我們可以簡單的說，HITS算法會提煉出兩種比較重要的頁面。也就是樞紐頁面和權(quán)威頁面。樞紐頁面本身可能沒有多少導入鏈接，但是有很多導出鏈接指向權(quán)威頁面。權(quán)威頁面本身可能導出鏈接不多，但是有很多來自樞紐頁面的導入鏈接。

 

        典型的樞紐頁面就是如雅虎目錄，開放目錄或好123這樣的網(wǎng)站目錄。這種高質(zhì)量的網(wǎng)站目錄作用就在于指向其他權(quán)威網(wǎng)站，所有稱為樞紐，而權(quán)威頁面有很多導入鏈接。其中包含很多來自樞紐頁面的鏈接。權(quán)威頁面通常是提供真正相關(guān)內(nèi)容的頁面。

 

        HITS算法是針對特定查詢詞的，所以稱為主題搜索。

 

 

        HITS算法的最大缺點是，它在查詢階段進行計算，而不是在抓取或預(yù)處理階段。所以HITS算法是以犧牲查詢排名相應(yīng)為代價的。也正因為如此。原始HITS算法在搜索引擎中并不常用。不過HITS算法的思想很可能融入到搜索引擎的索引階段，也就是根據(jù)鏈接關(guān)系找出具有樞紐特征或權(quán)威特征的頁面。

 

        稱為權(quán)威頁面的第一優(yōu)先，不過難度比較大，唯一的辦法就是獲得高質(zhì)量的鏈接，當你的網(wǎng)站不能成為權(quán)威頁面時，就讓它成為樞紐頁面。所以導出鏈接也是當前搜索引擎排名的因素之一。絕不鏈接到其他網(wǎng)站的做法，并不是好的SEO辦法。

 

 

TrustRank算法

 

        TrustRank是近年來比較受關(guān)注的基于鏈接關(guān)系的排名算法。TrustRank可以翻譯為“信任指數(shù)”。

 

        TrustRank算法最初來自于2004年斯坦福大學和雅虎的一項聯(lián)合研究，用來檢測垃圾網(wǎng)站，并且于2006年申請專利。TrustRank算法發(fā)明人還發(fā)表了一份專門的PDF文件，說明TrustRank算法的應(yīng)用。

 

TrustRank算法并不是有Google提出的，不過哦由于Google所占市場份額最大，而且TrustRank在Google排名中也是一個非常重要的因素，所以有些人誤認為TrustRank是Google提出的。更讓人糊涂的是，Google曾經(jīng)把TrustRank申請為商標，但是TrustRank商標中的TrustRank指的是Google檢測含有惡意代碼網(wǎng)站的方法，而不是指排名算法中的信任指數(shù)。

 

        TrustRank算法基于一個基本假設(shè)：好的網(wǎng)站很少會鏈接到壞的網(wǎng)站，反之則不成立，也就是說，壞的網(wǎng)站很少鏈接到好的網(wǎng)站這句話不成立。正相反，很多垃圾網(wǎng)站會鏈接到高權(quán)威、高信任指數(shù)的網(wǎng)站，試圖提高自己的信任指數(shù)。

 

        基于這個假設(shè)，如果能挑選出可以百分之百信任的網(wǎng)站，這些網(wǎng)站的Trustrank評為最高，這些TrustRank最高的網(wǎng)站所鏈接的網(wǎng)站信任網(wǎng)站稍微降低，但也會提高。與此類似，第二層被信任的網(wǎng)站鏈接出去的第三層網(wǎng)站，信任度繼續(xù)下降。由于種種原因，好的網(wǎng)站也不可避免的會鏈接到一些垃圾網(wǎng)站，不過離第一層網(wǎng)站點擊距離越近，所傳遞的信任指數(shù)越高，離第一級網(wǎng)站點擊距離越遠，信任指數(shù)將以此下降，這樣，通過TrustRank算法，就能給所有網(wǎng)站計算出相應(yīng)的信任指數(shù)，離第一層網(wǎng)站越遠，成為垃圾網(wǎng)站的可能性越大。

 

        計算TrustRank值首先要選擇一批種子網(wǎng)站，然后人工查看網(wǎng)站，設(shè)定一個初始TrustRank值，挑選種子網(wǎng)站的兩種方式，一種是選擇導出鏈接最多的網(wǎng)站，因為TrustRank算法就是計算指數(shù)隨著導出鏈接的衰減。導出鏈接多的網(wǎng)站，在某種意義上可以理解為“逆向PR值”比較高。

 

        另一種挑選種子網(wǎng)站的方法是選PR值高的網(wǎng)站，因為PR值越高，在搜索結(jié)果頁面出現(xiàn)的概率越大。這些網(wǎng)站才正是TrustRank算法最關(guān)注的、需要調(diào)整排名的網(wǎng)站，那些PR值很低的頁面，在沒有TrustRank算法時排名也很靠后，計算TrustRank意義就不大了。

 

        根據(jù)測算，挑選出兩百個左右網(wǎng)站作為種子，就可以比較準確地計算出所有網(wǎng)站的TrustRank值。

 

        計算TrustRank隨鏈接關(guān)系減少的公式有兩種形式。一種是隨著鏈接次數(shù)衰減，也就是說如果第一層頁面TrustRank指數(shù)為100，第二層頁面衰減為90，第三層衰減為80.第二種計算辦法是按導出鏈接數(shù)目分配TrustRank值，也就是說，如果一個頁面的TrustRank值為100，頁面上有5個導出鏈接，那個鏈接將傳遞20%的TrustRank值，衰減和分配這兩種計算方法通常綜合使用，整體效果都是隨著鏈接層次的增加，TrustRank值逐步降低。

 

        得出網(wǎng)站和頁面的TrustRank值后，可以通過兩種方式影響排名。一種是把傳統(tǒng)排名算法挑選出的多個頁面，根據(jù)TrustRank值比較，重新做排名調(diào)整。另一種是設(shè)定一個最低的TrustRank值門檻，只有超過這個門檻的頁面，才被認為有足夠的質(zhì)量進入排名，低于這個門檻的頁面將被認為是垃圾頁面，從搜索結(jié)果中過濾出去。

 

        雖然TrustRank算法最初是作為檢測垃圾的辦法，但在現(xiàn)在的搜索引擎排名算法中，TrustRank概念使用更為廣泛，常常影響大部分網(wǎng)站的整體排名，TrustRank算法最初針對的是頁面級別，現(xiàn)在在搜索引擎算法中，TrustRank值也通常表現(xiàn)在域名級別，整個域名的信任指數(shù)越高，整體排名能力就越強。