所有演算法都有前提假設,而所有假設都源自對用戶行為的觀察。演算法做的事,就是把这些觀察公式化。PR 演算法背後有兩個假設。
數量假設:一個頁面收到的入鏈越多,說明它越重要。好頁面自然會被更多頁面推薦。
質量假設:入鏈的質量並不相同,高質量網頁透過連結傳遞更多權重。越是優質的網頁指向某頁,該頁就越重要。好頁面也會被其他好頁面認可。
基於這兩個假設,PR 演算法先挑選一批網頁作為種子並賦予較高分值,再用疊代遞歸的方式反覆更新每個節點的得分,直到收斂穩定,最終值即為該頁的 PR。
PR 衡量的是網頁的重要性,是排序因子之一。但它是全局性演算法,與具體查詢無關,也就是與相關性無關。PR 高不代表這個頁面跟你搜的內容有關。假如搜尋引擎只用 PR 排序,那麼无论你输入什么词,結果都長得一樣——誰 PR 高誰在前面。
所以過度追求 PR 得不償失。PR 重要嗎?不重要嗎?關鍵是別只盯著它。
PR 的計算很直觀。假設 A 頁有兩個出鏈分別指向 B 和 C,A 的 PR 值為 1,按概率平均分配的原則,B 和 C 各獲得 0.5 的傳遞值。這建立在隨機遊走模型上:使用者點擊每個出鏈的概率相同,因此傳遞的權重也相同。
由於網頁彼此互連,PR 不可能無限循環傳遞下去,否則所有頁面的分值都會趨於無窮大。於是演算法引入衰減因子:中轉次數越多、離種子越遠,傳遞的 PR 值越少,遞減至 0 並收斂後才計入最終得分。
另一個問題是:有些頁面只有入鏈沒有出鏈,權重不斷積蓄卻傳不出去,這違背了 PR 的設計初衷,也破壞公平性。這種結構被稱為鏈接陷阱。通用解法是遠程跳轉——PR 的傳遞不限於出鏈,也能以一定概率流向任意頁面。
PR 演算法作為谷歌的標誌性成果,早已被廣泛應用到反作弊中:挑選一批作弊網頁作為種子(挑選信任網頁同理),賦予作弊分值或信任分值,按同樣方式傳遞,設定門檻,超過即判定為作弊站。
它背後的假設是:
一、如果一個網頁把連結指向作弊網頁,它很可能也是作弊網頁。
二、如果一個網頁被作弊網頁指向,則不能就此判定它作弊。
這只是最原始的思路。研究搜尋引擎演算法不該只盯著公式,而要看它解決了什麼問題、基於什麼假設、這些假設是否真的符合用戶行為。搞清來龍去脈,才算真正理解搜尋引擎的處事方式——這才是學 SEO 的正道。
了解規則,是為了更好地運用規則,避免踩線受罰。
作為一個文科生,最後的忠告是:珍惜生命,遠離公式。