搜索引擎怎樣對網(wǎng)頁排序

胡光能

2016年5月，魏則西事件將百度的網(wǎng)頁競價排序模式推向了風口浪尖。排除網(wǎng)頁排序背后的商業(yè)因素，搜索引擎是怎樣在紛繁復雜的信息中快速搜得所需的呢？

從現(xiàn)實生活到虛擬網(wǎng)絡(luò)

去圖書館查找書籍時，書是按文學、數(shù)學、計算機等科目分類放置的；去超市購物時，物品也是按生鮮、日用品、糕點等門類分區(qū)放置的。這樣的安排“合情合理”，能夠幫助我們迅速找到自己所需的書或物品。

從真實世界到虛擬世界，互聯(lián)網(wǎng)猶如一張巨大的虛擬網(wǎng)，匯聚各類網(wǎng)頁?；ヂ?lián)網(wǎng)中的網(wǎng)頁就好比是圖書館里的書或超市中的物品，如果不對其進行排序，要想從數(shù)量驚人的網(wǎng)頁中“海選”出所需的信息，那就如同天方夜譚。在這樣的背景下，搜索引擎應(yīng)運而生。

搜索引擎的“工作”是將用戶需要的網(wǎng)頁“搜索”出來，并展現(xiàn)給用戶。例如在百度搜索框中輸入“科學不倒問”后，可能會得到如右下圖所示的搜索結(jié)果（搜索結(jié)果一般會隨著時間而變化）。觀察搜索引擎給出的搜索結(jié)果，確實與“科學不倒問”這個“主題”相關(guān)，而且相關(guān)性越高，它就會被排在越靠前的位置。

排序的奧秘

要探究搜索引擎背后的奧秘，那就需要了解搜索結(jié)果的網(wǎng)頁排序方法。觀察“科學不倒問”的搜索結(jié)果，直觀上說，將“《中學科技》雜志科學不倒問欄目”排在第一的排序應(yīng)是合理的，因為相比于其他網(wǎng)頁，此網(wǎng)頁與“科學不倒問”這個主題的相關(guān)程度更高，而網(wǎng)頁的排序也在一定程度上反映出在此關(guān)鍵詞下此網(wǎng)頁的“受歡迎程度”。

網(wǎng)頁的“受歡迎程度”通?？梢杂镁W(wǎng)頁的訪問量來衡量，它和網(wǎng)頁的訪問量成正比。但依據(jù)訪問量對網(wǎng)頁進行排序也會存在一些現(xiàn)實的問題。訪問量雖能體現(xiàn)網(wǎng)頁的“受歡迎程度”，但卻并不能體現(xiàn)網(wǎng)頁的“權(quán)威性”，例如許多低俗網(wǎng)頁便有較高的訪問量。此外，依據(jù)訪問量排序還易受到“刷流量”的惡意誤導。更為重要的是，網(wǎng)頁的訪問量是動態(tài)變化的，如要及時更新排序，代價也非常巨大。因此，要解決網(wǎng)頁排序中所遇到的問題就要充分挖掘網(wǎng)頁的特征，確定評價網(wǎng)頁“權(quán)威性”和“受歡迎程度”的綜合指標。

網(wǎng)頁特征包含網(wǎng)頁的內(nèi)容（圖片及文字等）以及其中指向其他網(wǎng)頁地址的超鏈接。一個網(wǎng)頁越“重要”，理論上就應(yīng)該會有越多的用戶瀏覽。網(wǎng)頁間的超鏈接結(jié)構(gòu)能夠影響用戶的瀏覽行為，因此，可以依據(jù)各網(wǎng)頁之間的超鏈接關(guān)系來確定各網(wǎng)頁的綜合瀏覽量，并由此對網(wǎng)頁進行排序。

巧妙的循環(huán)分配

如右上圖，假定一個用戶U正在瀏覽網(wǎng)頁A，A含有兩個超鏈接（藍色橫線表示），分別指向網(wǎng)頁B和C，那么U在瀏覽完A后，可能會沿著超鏈接繼續(xù)瀏覽B或C，由此B或C的“重要性”便可以由A的“重要性”來體現(xiàn)。依據(jù)同樣的原理，B的“重要性”便可由指向B的所有網(wǎng)頁的“重要性”之和來表示。

與此同時，處于整個網(wǎng)絡(luò)之中的B對其他網(wǎng)頁也是有影響的，例如網(wǎng)頁B中包含指向網(wǎng)頁C的鏈接，即C也影響指向B的網(wǎng)頁A的“重要性”，由此便會陷入一個兩難的境地：要想知道網(wǎng)頁B的“重要性”，就必須知道指向它的所有的網(wǎng)頁（A和C）的“重要性”之和；而要想知道所有這些網(wǎng)頁的“重要性”之和，又需要先知道對其有影響的網(wǎng)頁B的“重要性”。這便讓人困惑了，猶如陷入了“先有雞還是先有蛋”的怪圈。

為了打破這個循環(huán)，谷歌的創(chuàng)始人佩奇和布林提出了PageRank算法來衡量網(wǎng)頁的重要性程度。他們首先給所有的網(wǎng)頁設(shè)置了相同的“初始得分”，然后依據(jù)網(wǎng)頁間的超鏈接結(jié)構(gòu)不斷運行，經(jīng)過一系列的迭代計算之后，得到終止狀態(tài)下的“網(wǎng)頁得分”，由此便可依據(jù)“得分”確定網(wǎng)頁的排列順序。得益于在網(wǎng)頁排序算法上的創(chuàng)新，谷歌在短短數(shù)年間橫掃整個互聯(lián)網(wǎng)，成為搜索引擎業(yè)的一代霸主。

依據(jù)網(wǎng)頁排序算法，我們可以確定網(wǎng)頁A和C的得分較B高。仔細分析三者的關(guān)系，這樣的結(jié)果的確也是合理的。網(wǎng)頁A和B中都包含指向網(wǎng)頁C的超鏈接，這說明網(wǎng)頁C的“重要性”較高；與此同時，網(wǎng)頁C中也包含指向網(wǎng)頁A的超鏈接，網(wǎng)頁C從側(cè)面反映了網(wǎng)頁A的“重要性”，因此網(wǎng)頁A的得分也較高。

谷歌的網(wǎng)頁排序算法對網(wǎng)頁排序的過程僅僅是對簡單思維的巧妙運用，它將網(wǎng)頁排序變成了一個簡單的數(shù)學問題，也使互聯(lián)網(wǎng)擺脫了依據(jù)網(wǎng)頁訪問量進行排序的種種弊端。