聯(lián)網(wǎng)的出現(xiàn)和迅速發(fā)展使信息檢索的環(huán)境發(fā)生了重大變化。而基于互聯(lián)網(wǎng)的搜索引擎的排名算法直接關(guān)系到用戶在新的環(huán)境里進(jìn)行信息檢索的使用體驗(yàn)。 現(xiàn)有的搜索引擎排名算法，以基于網(wǎng)頁鏈接結(jié)構(gòu)的算法為主，主要的兩種代表性算法是PageRank算法和Hits算法，基于這兩種算法國內(nèi)外許多學(xué)者和研究機(jī)構(gòu)又進(jìn)行了新的探索和改進(jìn)。

　　在此基礎(chǔ)上形成了一些適于搜索引擎使用的成熟的綜合排名模型。 本文研究分析了國內(nèi)外搜索引擎的發(fā)展背景，以及對(duì)搜索引擎排序有重要影響的SEO技術(shù)。在此基礎(chǔ)之上，對(duì)PageRank算法和Hits算法進(jìn)行了深入的分析。

　　一、PageRank

　　算法PageRank是最著名的搜索引擎Google采用的一種算法策略，是根據(jù)每個(gè)網(wǎng)頁的超級(jí)鏈接信息計(jì)算網(wǎng)頁的一個(gè)權(quán)值，用于優(yōu)化搜索引擎的結(jié)果。由拉里-佩奇提出。

　　簡單說，PageRank算法是計(jì)算每個(gè)網(wǎng)頁的綜合得分?jǐn)?shù)，即假如網(wǎng)頁A鏈向網(wǎng)頁B，則網(wǎng)頁B加一分，當(dāng)然。不同鏈接網(wǎng)頁對(duì)于指向網(wǎng)頁的加分也是不同的，一個(gè)頁面的得分情況是由所有鏈向它的頁面的重要性經(jīng)過遞歸算法得到的。

　　PageRank算法的基本原理推導(dǎo)如下：

　　PR(A) = (1-d) + d*(PR(T1)/C(T1) + ... + PR(Tn)/C(Tn))

　　其中，PR(A)是指網(wǎng)頁A的PR值。

　　T1，T2，...，Tn是指網(wǎng)頁A的鏈入網(wǎng)頁。

　　PR(Ti)是指網(wǎng)頁Ti的PR值（i=1，2，...，n）。

　　C(Ti)是指網(wǎng)頁Ti的鏈出數(shù)量（i=1，2，...，n）。

　　D是一個(gè)衰減因子，0d1，通常取值為0.85。

　　從以上公式可以看出，影響一個(gè)網(wǎng)頁P(yáng)R值的主要因素如下：

　?。?）該網(wǎng)頁的鏈入數(shù)量。

　　（2）該網(wǎng)頁的鏈入網(wǎng)頁本身的PR值。

　?。?）該網(wǎng)頁的鏈入網(wǎng)頁本身的鏈出數(shù)量。

　　根據(jù)上面分析可以判斷：一個(gè)網(wǎng)頁的鏈入數(shù)量越多，這些鏈入網(wǎng)頁的PR值越高，這些網(wǎng)頁本身的鏈出數(shù)量越少，則該網(wǎng)頁的PR值越高。

　　Google給每一個(gè)網(wǎng)頁都賦予一個(gè)初始PR值（1-d），然后利用PageRank算法收斂計(jì)算其PR值。

　　網(wǎng)頁的鏈入鏈出關(guān)系，時(shí)刻都在變化，那么PR值也需要更新，可以用定時(shí)任務(wù)重復(fù)計(jì)算后更新，使得網(wǎng)頁的最終PR值達(dá)到一個(gè)均衡穩(wěn)定的狀態(tài)。

　　Google的查詢過程是這樣的：首先根據(jù)用戶輸入的查詢關(guān)鍵詞對(duì)于網(wǎng)頁數(shù)據(jù)庫中的網(wǎng)頁盡情匹配，然后對(duì)于匹配到的網(wǎng)頁按照其本身的PR排序呈獻(xiàn)給用戶。

　　此外，一個(gè)網(wǎng)頁在檢索結(jié)果列表中的位置還與其它很多因素相關(guān)，比如檢索詞在網(wǎng)頁中的位置等。

　　PageRank的缺陷在于不考慮鏈接的價(jià)值，這對(duì)通用搜索引擎比較合適，但對(duì)主題相關(guān)的垂直搜索引擎而言并不是很好的策略。

　　二、HITS

　　PageRank算法對(duì)于向外鏈接的權(quán)值貢獻(xiàn)是平均的，即不考慮不同鏈接的重要性，但是頁面鏈接中可能某些是廣告、導(dǎo)航或者注釋鏈接，平均權(quán)值顯然不太符合實(shí)際情況。

　　HITS（Hyperlink Induced Topic Search）算法則是一種經(jīng)典的專題信息提取策略，能夠提高垂直查準(zhǔn)率。

　　1、原理

　　HITS算法由Jon Kleinberg提出，其對(duì)每個(gè)網(wǎng)頁都要計(jì)算兩個(gè)值：權(quán)威值（authority）和中心值（hub）。

　?。?）權(quán)威網(wǎng)頁

　　一個(gè)網(wǎng)頁被多次引用，則它可能是很重要的；一個(gè)網(wǎng)頁雖然沒有被多次引用，但是被重要的網(wǎng)頁引用，則它也可能是很重要的；一個(gè)網(wǎng)頁的重要性被平均的傳遞到它所引用的網(wǎng)頁。這種網(wǎng)頁稱為權(quán)威網(wǎng)頁。

　?。?）Hub網(wǎng)頁

　　提供指向權(quán)威網(wǎng)頁的鏈接集合的Web網(wǎng)頁，它本身可能并不重要，或者說沒幾個(gè)網(wǎng)頁指向它，但是它提供了指向就某個(gè)主題而言最為重要的站點(diǎn)的鏈接集合，這種網(wǎng)頁叫做Hub網(wǎng)頁。

　?。?）算法思想

　　首先利用通用搜索引擎得到一個(gè)網(wǎng)頁的初始子集I，當(dāng)然I內(nèi)的頁面都是和用戶查詢條件有很大相關(guān)性。然后把I指向的網(wǎng)頁和指向I的網(wǎng)頁都包含進(jìn)來，形成基礎(chǔ)集合E，E中的每個(gè)頁面都具有一個(gè)authority權(quán)值和hub權(quán)值，分別記作a和h，a值表示網(wǎng)頁與查詢條件相關(guān)度的高低，h反應(yīng)的是該頁面鏈出相關(guān)度頁面的多少情況。a=(a1, a2, ..., an)和h=(h1, h2, ..., hn)代表E中所有網(wǎng)頁的authority和hub向量，初始時(shí)把所有的ai和hi都設(shè)置為1，然后利用下面的公式進(jìn)行計(jì)算：

　　其中，B(i)和F(i)分別表示指向該網(wǎng)頁的網(wǎng)頁鏈接集合和該網(wǎng)頁指向的網(wǎng)頁鏈接集合。用n*n的矩陣A表示集合E的網(wǎng)頁節(jié)點(diǎn)間的連接，如果節(jié)點(diǎn)i和節(jié)點(diǎn)j之間有連接，則A[i,j]=1，則A[i,j]=0，因此，上面公式可以表示為：

　　迭代計(jì)算a和h，直至收斂。這樣我們集中求ATA和AAT。最后按照authority和hub值排序，將a和h值大于閾值M的網(wǎng)頁挑出來。

　　若一個(gè)網(wǎng)頁由很多好的hub指向，則其權(quán)威值會(huì)相應(yīng)增加；若一個(gè)網(wǎng)頁指向很多好的權(quán)威頁，則hub值也會(huì)相應(yīng)增加。HITS算法最后輸出的一組具有較大hub值的網(wǎng)頁和具有較大權(quán)威值的網(wǎng)頁。

　　2、缺陷

　　HITS算法在提高一定的垂直查準(zhǔn)率的同時(shí)，也存在如下缺陷：

　?。?）HITS算法忽略了網(wǎng)頁內(nèi)容的差異，對(duì)于每個(gè)鏈接網(wǎng)頁賦予相同的加權(quán)常數(shù)，因?yàn)槊總€(gè)網(wǎng)頁中都會(huì)有一些廣告鏈接等非相關(guān)的鏈接網(wǎng)頁，這些非相關(guān)網(wǎng)頁和相關(guān)網(wǎng)頁同等對(duì)待，會(huì)容易產(chǎn)生主題漂移現(xiàn)象。

　　（2）在開始形成url集合E中，對(duì)于初始集合I中網(wǎng)頁的一些非相關(guān)鏈接也加入到E中，增加了無謂的下載量，也致使后邊更多的無關(guān)網(wǎng)頁參與到了計(jì)算，對(duì)準(zhǔn)確率存在一定的影響。

　　3、改進(jìn)

　　改進(jìn)方向如下：

　?。?）主題漂移

　?。?）下載過濾

　　以上就是搜索引擎技術(shù)之排序算法，雖然公式有點(diǎn)麻煩，但是仔細(xì)鉆研的話就會(huì)有所收獲的哦，謝謝大家閱讀。