上一篇我們介紹了潛在語義索引(LSI),這次要深入剖析超鏈分析的顛峰之作——HillTop 演算法。作為 Google 現今最核心的排名演算法之一,網路上介紹它的文獻相當多。本文側重原始演算法的分析,盡量不涉及過多複雜因素,讓你更容易抓住演算法的本質。
HillTop 演算法集 PageRank、HITS 與相關性演算法之大成,由康柏系統研究中心的 Krishna Bharat 與多倫多大學的 George A. Mihaila 於 2001 年提出並申請專利,之後授權給 Google。2003 年 12 月 Google 演算法更新時,它正式成為 Google 的核心排名演算法之一。
HillTop 是一種「查詢相關性」的連結分析演算法,彌補了 PageRank 與查詢無關的缺點。簡單說,它針對熱門查詢關鍵字來對搜尋結果重新排序;之所以只針對熱門關鍵字,是因為它運行效率較低。演算法主要分兩個過程:
一、專家頁面的尋找與評分。搜尋引擎依用戶查詢日誌找出熱門關鍵字後,針對這些關鍵字尋找「專家頁面」。成為專家頁有兩個必要條件:其一,擁有足夠多且彼此不存在隸屬關係的出鏈;其二,至少存在一個短語,完整包含該關鍵字的所有術語。確定專家頁後,在頁面上找出所有「完整包含」或「差 1 到 2 個術語」的短語,分為三個等級,分別計算等級分。等級分是該等級中所有短語得分的總和,而短語得分取決於它在頁面中的位置,由高到低依次是標題、頭部、錨文本等。三個等級得分綜合計算,就得到「專家分」。
以「汽車消費」為例,某汽車網站的首頁與友情連結頁就是它的專家頁面,因為它擁有足夠多、不隸屬於同一主機網域與同一 C 類 IP 的出鏈,且標題站名包含「汽車」與「消費」兩個術語。評分時先算第一等級(完整包含)的得分,短語在標題中得 16 分(假設)、在錨文本中得 1 分,第一等級合計 17 分;再算第二、第三等級。最後把三個等級得分做加權求和,就是專家分。值得注意的是,這三個等級的權重相差極大,在原演算法中,等級 1 到等級 3 的權重分別是 2 的 32 次方、2 的 16 次方與 1,因為 HillTop 更偏好「完全匹配」。
二、對目標頁評分。一個專家頁對目標頁的評分,等於專家本身的分值乘以該專家頁可區分的短語數量。取前 N 個指向目標頁的專家頁;若有多個同隸屬的專家頁指向同一目標頁,則只取分值最高的那一個。把這些專家頁對目標頁的評分加總,就得到該頁對應這個熱門關鍵字的得分,有人稱之為「行業得分」。
由此可見,HillTop 透過不同等級的評分確保評價結果對關鍵字的相關性,透過不同位置的評分確保主題(行業)的相關性,並透過可區分短語數量防止關鍵字堆砌。
總結:HillTop 演算法帶有博弈思想——在連結層面,同行業網站既需競爭也需合作,只有被同行「認可」的網站,才能在熱門關鍵字查詢中排到前面。它基本斷絕了小網站對熱門關鍵字的奢望,除非你對熱門關鍵字有超強的預判能力,但這種流量往往曇花一現。當然,HillTop 只是排名的重要因素之一,並非全部。