PageRank

维基百科,自由的百科全书
跳转至: 导航搜索
Google的工具条标示出中文维基百科首页的PageRank

PageRank网页排名,又称网页级别Google左侧排名佩奇排名,是一种由搜索引擎根据网页之间相互的超链接计算的技術,而作为网页排名的要素之一,以Google公司創辦人拉里·佩奇Larry Page)之姓來命名。Google用它来体现网页的相关性和重要性,在搜索引擎优化操作中是經常被用來評估網頁優化的成效因素之一。Google的创始人拉里·佩奇谢尔盖·布林於1998年在斯坦福大学发明了这项技术。[1]

PageRank通过网络浩瀚的超链接關係来确定一个页面的等级。Google把从A页面到B页面的链接解释为A页面给B页面投票,Google根据投票来源(甚至来源的来源,即链接到A页面的页面)和投票目标的等级来决定新的等级。简单的说,一个高等级的页面可以使其他低等级页面的等级提升。

PageRank让链接来「投票」[编辑]

一个页面的「得票数」由所有链向它的页面的重要性來决定,到一个页面的超链接相当于对该页投一票。一个页面的PageRank是由所有链向它的页面(「链入页面」)的重要性经过递归算法得到的。一个有較多链入的页面会有較高的等级,相反如果一个页面没有任何链入页面,那么它没有等级。

2005年初,Google为网页链接推出一项新属性nofollow,使得网站管理员网志作者可以做出一些Google不計票的链接,也就是說这些链接不算作「投票」。nofollow的设置可以抵制垃圾评论。

Google工具条上的PageRank指標从0到10。它似乎是一个对数标度算法,细节未知。PageRank是Google的商标,其技术亦已经申请专利

PageRank算法中的点击算法是由Jon Kleinberg提出的。

PageRank算法[编辑]

简单的[编辑]

假设一个由4个页面组成的小团体:ABCD。如果所有页面都链向A,那么APR(PageRank)值将是BCD的和。

PR(A)= PR(B) + PR(C) + PR(D)

继续假设B也有链接到C,并且D也有链接到包括A的3个页面。一个页面不能投票2次。所以B给每个页面半票。以同样的逻辑D投出的票只有三分之一算到了A的PageRank上。

PR(A)= \frac{PR(B)}{2}+ \frac{PR(C)}{1}+ \frac{PR(D)}{3}

换句话说,根据链出总数平分一个页面的PR值。

PR(A)= \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D)}

最后,所有这些被换算为一个百分比再乘上一个系数d。由于“没有向外链接的页面”傳遞出去的PageRank会是0,所以,Google通过数学系统给了每个页面一个最小值(1 - d)/N

PR(A)=\left( \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D)}+\,\cdots \right) d + \frac{1 - d}{N}

说明:在Sergey Brin和Lawrence Page的1998年原文中给每一个页面设定的最小值是1 - d,而不是这里的(1 - d)/N(关于这一部分内容也可以参考英文版的维基百科词条)。 所以一个页面的PageRank是由其他页面的PageRank计算得到。Google不断的重复计算每个页面的PageRank。如果给每个页面一个随机PageRank值(非0),那么经过不断的重复计算,这些页面的PR值会趋向于稳定,也就是收斂的狀態。这就是搜索引擎使用它的原因。

完整的[编辑]

这个方程式引入了随机浏览的概念,即有人上网无聊随机打开一些页面,点一些链接。一个页面的PageRank值也影响了它被随机浏览的概率。为了便于理解,这里假设上网者不断点网页上的链接,最终到了一个没有任何链出页面的网页,这时候上网者会随机到另外的网页开始浏览。

为了处理那些“没有向外链接的页面”(这些页面就像“黑洞”会吞噬掉用户继续向下浏览的概率)带来的问题,d=0.85(这裡的d被称为阻尼系数(damping factor),其意义是,在任意时刻,用户到达某页面后并继续向后浏览的概率。1-d=0.15就是用户停止点击,随机跳到新URL的概率)的算法被用到了所有页面上,估算页面可能被上网者放入书签的概率。

所以,这个等式如下:

{\rm PageRank}(p_i) = \frac{1-d}{N} + d \sum_{p_j \in M(p_i)} \frac{{\rm PageRank} (p_j)}{L(p_j)}

p_1, p_2, ..., p_N是被研究的页面,M(p_i)是链入p_i页面的集合,L(p_j)p_j链出页面的数量,而N是所有页面的数量。

PageRank值是一个特殊矩阵中的特征向量。这个特征向量为

\mathbf{R} =
\begin{bmatrix}
{\rm PageRank}(p_1) \\
{\rm PageRank}(p_2) \\
\vdots \\
{\rm PageRank}(p_N)
\end{bmatrix}

R是等式的答案

\mathbf{R} =

\begin{bmatrix}
{(1-d) / N} \\
{(1-d) / N} \\
\vdots \\
{(1-d) / N}
\end{bmatrix}

+ d

\begin{bmatrix}
\ell(p_1,p_1) & \ell(p_1,p_2) & \cdots & \ell(p_1,p_N) \\
\ell(p_2,p_1) & \ddots & & \\
\vdots & & \ell(p_i,p_j) & \\
\ell(p_N,p_1) & & & \ell(p_N,p_N)
\end{bmatrix}

\mathbf{R}

如果p_j不链向p_i,而且对每个j都成立时,\ell(p_i,p_j)等于0

\sum_{i = 1}^N \ell(p_i,p_j) = 1,

这项技术的主要缺點是旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多外链,除非它是某个站点的子站点。

这就是PageRank需要多项算法结合的原因。PageRank似乎偏好于维基百科页面,在条目名称的搜索结果中,维基百科页面总在大多数或者其他所有页面之前。原因主要是维基百科内相互的链接很多,并且有很多站点链入。

Google经常处罚恶意提高PageRank的行为,至于其如何区分正常的链接和不正常的链接仍然是个商业机密。但是在Google的链接规范中,已经很清楚地说明,哪些做法是属于违反指南的行為。[2]

自Google網站管理員工具移除[编辑]

2009年10月14日,Google員工蘇珊·莫斯科(Susan Moskwa)確認該公司已自其網站管理員工具部分移除PageRank。她對這部分移除的公告表示:「我们長久以來一直在告诫人們不应该过分注重PageRank;很多網站站主似乎认为對他們來說得時時追蹤的網站最重要指标,而这簡直是個误解。」[3]然而在蘇珊確認後兩天,PageRank仍舊在Google工具欄上顯示。

參考資料[编辑]

  1. ^ Google Technology
  2. ^ [1]
  3. ^ Susan Moskwa. PageRank Distribution Removed From WMT. [October 16, 2009]. 

外部鏈接[编辑]

参见[编辑]