第二局部: 考求Google PageRank新算法
2-1. Google的正題性趨向

2-1-1. 關於頁面級別(PageRank)及Google的舊算法顯露出來問題的端由

頁面級別(PageRank)計算系統所遵循的思考的線索是：經過一個路程經過互聯網的『隨機運動』來奉告你哪一些站點是最關緊的。該系統摹擬的是一個隨機沖浪者跟進點擊某頁面上的隨機鏈接，至最深層頁面時按『回返』按鍵這一過程。頁面的等級越高，則隨機網絡沖浪者發覺它的機率亦越高。

這種思考的線索實際上相當富裕創議。一個網頁的外部鏈接越多，則對恣意網絡沖浪者來說，發覺它的機緣也就越大。同時，在頁面級別算法系統中，頁面越流行，則其導入鏈接就越能從鏈接中得到好處—這是因為恣意網絡沖浪者發覺這些個鏈接的機緣就越大。

在特別指定領域的研討論文查問方面，頁面級別系統幾乎無可吹求。例如，假如用戶查問關於素粒子物理學研討方面的論文(或網頁)文獻集，則對於一個給定條件的查問，頁面級別的算法可以很快奉告你，哪一些論文采是與該特別指定查問條件最有關及最關緊的論文，其端由就在於這些個論文較其他論文的援用回數要多。

若互聯網上的資源具備同一正題性，那末這種辦公可說是盡善盡美了。但正如我們所曉得的，互聯網上的資源包括了上一百萬甚至於更多的正題，並且在許多人的實際生存中，查問用戶所尋覓的往往是一點具備特別指定正題的信息。所以固然頁面級別系統思索問題了全部鏈接，但卻不重視了鏈接頁面的正題性。

Google已打算將鏈接的文本內部實質意義計入名次算法來克服這一限制性。但精明的搜索引擎網站營銷商卻經過在網絡上滿眼樹立充盈網站關鍵詞的鏈接來哄弄Google的名次算法。一種新的作坊式行業也隨著PageRank應運而生—即有償交換和買賣商品一點來自較高『頁面級別』頁的鏈接。

假如網站能夠從毫不有關的站點購買或買賣商品導入鏈接而使網站名次獲得提高的話，那末頁面級別技術已然沒有辦法為絕大部分數查問條件供給高品質的搜索最後結果了。我們有道理由信任，當Google這個世界最最高級的搜索引擎網站一朝發覺其搜索最後結果的品質著手惡化時，它是不會坐視無論的。

2-1-2. 新技術閃亮登場：正題性頁面級別技術(Topic-Sensitive PageRank)

2002年，斯坦福大學的一名博士生塔赫爾。哈維利瓦拉(Taher H. Haveliwala)刊發了一篇十分趣味的論文，名為『Topic-Sensitive PageRank(正題性頁面級別計算系統)』。而更加有趣兒的是，一年在這以後哈維利瓦拉成了Google的一份子。

『正題性頁面級別計算系統』經過對隨機查問用戶的隨機運動增加一個『偏差』來處置基本的頁面級別計算系統所存在的問題。這個新的隨機查問用戶具備明確的查問目標，並更有興致於跟進那一些具備某個特別指定正題的有關網頁上的有關鏈接。這是一個相對而言較為新而別致的思考的線索，它解決了搜索最後結果的品質性方面的一系列關鍵性問題。

毫沒有疑問問，哈維利瓦拉將變成搜索引擎網站業界中一個舉足輕重的角色。他已經在搜索技術的其他領域方面施行了一點本質性的研討辦公，涵蓋怎麼樣更管用計算頁面級別方面的一點比較有趣兒的研討。

在起初的研討論文中，哈維利瓦拉描寫了他是怎麼樣利用斯坦福大學的網絡數值庫，對應於ODP(開放目次)的16個最高級目次的16個正題來計算『正題性』頁面級別得分。固然該研討的正題和數值數目(8務必個網頁)非常有限，但能夠看出這種新系統可改善搜索最後結果，且具有對查問用戶有興致於何種正題的了解有經驗。

就在今年前一年，當我回過頭來再閱覽這篇論文時，我注意到哈維利瓦拉所描寫的這種系統對搜索引擎網站來說還存在著兩個問題。然而下邊我們將會看見，這兩個問題如今都能獲得妥善解決了。

第1個問題是充分拓展正題的數目。要想改善搜索最後結果，16個正題天然是遠遠不夠的。但因為Google的頁面級別計算系統的代價十分之高，故而錯非新系統能夠供給一點改進的處理辦法，否則Google基本不可能實行這個新系統。但隨著這一領域在以往的一年中的深刻長遠進展，故而我信任如今在正題數目上已不是大問題了。

第二個問題就是怎麼樣表決一個查問條件有可能對應的正題–- 當用戶輸入諸如『自橋式起重機』一類的查問條件時，這個用戶是想買自橋式起重機呢，仍然想騎自橋式起重機旅游呢？下邊我將為大家簡單論述一下子Google有可能會怎樣般配一給定查問條件以最妥當的正題，以及為何一點查問條件更容易遭受影響的端由。

2-1-3. 關於Applied Semantics企業及其專利技術CIRCA

Applied Semantics網絡廣告軟件企業是互聯網廣告方面的資深專家，於2003年四月份兒被Google從各處買進。Google此舉旨在增強搜索和廣告功能。現在該企業的技術已對Google萌生了深刻長遠的影響。例如在Google的Adwords網站關鍵詞廣告系統中，為PPC廣告客戶供給基於內部實質意義的廣告就是認為合適而使用了Applied Semantics的AdSense技術。

事情的真實情況上Google在這次從各處買進中獲利的還繼續不停AdSense技術，AdSense的後臺技術實際上就是Applied Semantics企業所領有的專利技術CIRCA。

CIRCA技術所基於的是一個獨立語言並具備高度擴展性的本體論，這個本體論中裡面含有了上一百萬詞和詞組，詞和詞組涵義及這些個詞和詞組與其他天然語言中的詞和詞組之間的概念性關系。由復雜的搜索技術所支持的本體論是對詞和詞組的多樣性涵義的概念性了解的基礎，它能夠使計算機對信息施行更加管用的管理和檢索，因此為搜索用戶更好的供給考求知識的機緣。

CIRCA技術的效用就在於它可以確認對特別指定詞和詞組或短語的有關概念。該技術到現在為止被用來按照大眾的意思行事多內seo部實質意義中為廣告客戶供給有關廣告服務，亦可應用於Google的網站關鍵詞詞根恢復系統。

特別值當一提的是：CIRCA能夠計算『短語A』對『概念B』的有關程度。例如，假如用戶查問『Colorado bicycle trips』，CIRCA能夠將其與『Colorado』地域，『騎車』，『旅游』等正題概念性地結合起來。這意味著他們能夠計算其數值庫中不一樣的概念與用戶查問條件之間的『距離』。這一點兒非常關緊。

2-1-4. 二者的有機接合：正題性搜索引擎網站的成功實現

如今我們對正題性頁面級別和CIRCA都有了一定的理解，那末接下來的問題就是：這二者之間是怎麼樣有機結合的？換句話說，Google怎麼樣接合這些個技術來萌生一個更好的搜索引擎網站呢？

首先，讓我們來設想一下子：如果對於數量多的(上百直到上千個)正題或概念，Google已然解決了怎麼樣計算其正題性頁面級別的問題。

在Google以往所運用的頁面級別系統中，計算最後結果的精准性是相當關緊的。但隨著正題性算法的進展，不長我們就有可能看見，或許速度快並且效果令人滿意的近似計算最後結果纔是它們所需求的。從上面所說的論文中我們不不好看出這一點兒已然頗具行得通性。

如今，假如用戶再查問的話，則查問條件中的詞和詞組將至少與CIRCA數值庫中多少正題緊急般配。Google絕對能夠基於用戶所運用的查問條件及數值庫中所裡面含有的正題之間的『距離』來供給『正題性頁面級別』得分，因此向用戶供給更好的搜索最後結果。查問與正題的關系越關系近，則正題性頁面級別得分效果越佳。

因為一個給定的搜索查問條件可能與數值庫中的多個正題般配，所以頁面級別計算中顯露出來的不論什麼小不正確都將由影響該查問條件的多個正題性頁面級別得分平攤，故而只需近是的正題性頁面級別得分就完全可以供給高品質的搜索最後結果了。

當數值庫中無不論什麼正題與用戶的查問條件般配時，則Google可運用原來的頁面級別系統。若與查問條件般配的正題非常多，則仍運用新系計數算正題性頁面級別得分，盡管新算法有可能會與原算法得出的分數相仿。假如般配正題與查問條件之間的有關度很低，則效果亦會大打折扣扣。

2-1-5. 悠然接納和了解算法的變更

有可能某些查問條件回返的搜索最後結果有較大的變化-–但原來在搜索最後結果中名次在前100位的網頁全部被刷下去的事物樣子卻少之又少。

管用數值所面對的一個大問題在於：對於發生搜索最後結果變更較大的報告陳述呈昇漲發展方向。從這些個『自述』數值當中我們可以看見Google的眾多搜索最後結果發生了徹底的變更。而導致我們看見這種局面的端由正好在於，這些個『自述』數值中的絕大多都是由那一些名次被刷下來的網站供給的。

我們並未從這些個『自述』變動開始，而是認為合適而使用了額外一種路徑，即從多少可用的網上資源中記錄下近來時間內發生的搜索，而後仔細查看搜索最後結果中的變動。

我們隨機(沒有不論什麼偏見解)研討了上百個許多人平時運用的真實存在的查問條件，並標識出那裡面每個查問條件的變更總額，而後我們發覺變更的程度在總體上仍維持著一貫的整潔局面。在實際生存中，這種根秉性的變更只是發生的例外，把它當成規則就大謬不然了。

2-1-6. 正題並非網站關鍵詞… 亦並非完滿無缺十美

務必不要把『正題』和『網站關鍵詞』相淆惑。正題代表的是一個綜合性標題，例如『計算處置』、『網絡營銷』等等。而特別指定的查問條件(網站關鍵詞)，如『筆記本電腦租賃』，『電子郵件營銷』等，將與更多的綜合性正題結合起來。

但從Google到現在為止所供給的一點搜索最後結果來看，不難發覺那裡面的局部搜索最後結果所般配的正題是不正確的。例如對』laptop rental』，用戶搜索『筆記本租賃』往往是想租賃一臺筆記本電腦，但在Google回返的搜索最後結果中，排在面前的卻是大學裡邊的筆記本租賃信息– /search?sourceid=navclient&q=laptop+rental。

這是怎麼回事呢？只要看看鏈接到這些個網頁上的鏈接，就可以發覺這些個鏈接大都具備相仿的正題性，如Computing，Housing(學生在校園裡對外租賃住處)，等等。大家可以用其他詞和詞組施行查問，而後剖析名次靠前的那一些頁面上的外部鏈接，便會更容易了解為何『laptop rentals』會有這麼的搜索最後結果了。

Google仍可能供給不夠理想的搜索最後結果，當然也可能再次遭受蒙哄，只是這種機率越來越小罷了。同時我們信任Google會多花一點時間來修正這些個問題。

2-1-7. 為何只有局部搜索最後結果頁發生了根本的變更？

我們不需要理會那一些對Google新算法的非議，只要再來看看真實的數值，你就不難了解為何有點查問條件較其他查問條件更易遭受影響。

我們以『Real Estate』為例，沿襲Scroogle.org的辦法論，有77個原來名次在前100位的網頁名次降到達100名在這以後。而對於更為具體的查問條件『Colorado Real Estate』，有24個名次在前100名的網站遭受了影響。

而在那一些被刷下來的網頁中，我第1個看見的是一個題目為『Southern California Real Estate』的頁面。有趣兒的是，倘使用『Southern California Real Estate』施行更具體的查問，你會發覺它名次高踞第二位。換句話說，這些個網頁並不是遭受了Google的責罰，而只是因為匱缺對查問條件的有關正題性而使名次掉下來而已。

也有稀少數競爭性很強的查問網站關鍵詞對搜索最後結果的名次沒有導致啥子影響。這種現象已被用做對頭Google名次算法的各種料想的准確性與否的一個根據。但我覺得對這種現象的詮釋實際上也很簡單–以『search engine optimization』為例，在回返的搜索最後結果中，前30個網頁列表幾乎沒關系變動。假如對排在首位的頁面施行剖析的話，就可以發覺這些個網頁上的外部鏈接都具備令人滿意的有關性，這麼的網頁在一個正題性頁面級別的計算系統下也會做的美好。

有可能Google認為合適而使用的新算法與我的料想大是大非，然而到現在為止截止我尚未發覺比這更好的料想。然而這些個並不關緊，我們只要明白一點兒：無論Google怎麼變更它的算法，成功的不公開的巧妙辦法實際上相當簡單–勝出的往往是那一些領有數量多內部實質意義和數量多有關鏈接(涵蓋導入鏈接和導出鏈接)的站點。而那一些運用門頁(Doorway Page)和鏈接交換的網站就不會再這樣好運氣了。