搜尋引擎優化相關性排名技術

仲介交易 SEO診斷 淘寶客 雲主機 技術大廳

相關性，是搜尋引擎優化中的重點。 但是對於相關性的搜尋引擎工作原理，相信大部分的SEOER對於都缺乏瞭解。 杭州思億歐致力於搜尋引擎技術中的相關性排名技術研究，以有多年的時間。 作為職業SEO對於搜尋引擎演算法的研究是必須的，雖然說，我們不可能知道搜尋引擎演算法的全部。 但是只需要我們主流搜尋引擎技術的方向，你就可以知道搜尋引擎時代的脈搏。

相關度排序技術的產生主要是由搜尋引擎的特點決定的。 首先，現代搜尋引擎能夠訪問的Web網頁數量已經達到上十億的規模，哪怕使用者只是搜索其中很少的一部分內容，基於全文檢索搜尋技術的搜尋引擎也能返回成千上萬的頁面。 即便這些結果網頁都是使用者所需要的，使用者也沒有可能對所有的網頁流覽一遍，所以能夠將使用者最感興趣的結果網頁放于前面，勢必可以增強搜尋引擎使用者的滿意度。 其次，搜尋引擎使用者自身的檢索專業能力通常很有限，在最為普遍的關鍵字檢索行為中，使用者一般只是鍵人幾個詞語。 例如，Spink等曾對Excite等搜尋引擎的近300位使用者做過實驗調查，發現人均輸入的檢索詞為3.34個。 國內部分學者也有相似的結論，發現90%左右的使用者輸入的中文檢索單字為2～6個，而且2字詞居多，約占58%，其次為4字詞(約占18%)和3字詞(約占14%)。 過少的檢索詞事實上無法真正表達使用者的檢索需求，而且使用者通常也不去進行複雜的邏輯構造，只有相當少的使用者進行布林邏輯檢索、限制性檢索和高級檢索等方法，僅有5.24%的檢索式中包含有布林邏輯算符。 國內的部分學者的研究結果也表明，約40%的使用者不能正確運用欄位檢索或二次檢索，80%左右的使用者不能正確運用高級檢索功能，甚至還發現使用者缺乏動力去學習複雜的檢索技能， 多數使用者都寄希望于搜尋引擎能夠自動地為他們構造有效的檢索式。 由於缺乏過去連線檢索中常常具備的檢索人員，因此，使用者實際的檢索行為與使用者理想的檢索行為存在事實上的差距，檢索結果的不滿意也是不奇怪的。 正是由於這個特點，搜尋引擎就必須設法將使用者最想要的網頁結果盡可能地放到網頁結果的前面，這就是網頁相關度排序演算法在搜尋引擎中為什麼非常重要的原因。

現階段的相關度排序技術主要有以下幾種：一是基於傳統資訊檢索技術的方式，它主要利用關鍵字本身在文檔中的重要程度來對文檔與使用者查詢要求的相關度做出測量，如利用網頁中關鍵字出現的頻率和位置。 一般而言，檢索出的網頁文檔中含有的查詢關鍵字個數越多，相關性越大，並且此關鍵字的區分度越高;同時，查詢關鍵字如果出現在諸如標題欄位等重要位置上，則比出現在正文的相關度要大。 二是超鏈分析技術，使用此技術的代表性搜尋引擎有Google和Baidu等。 和前者相比，它以網頁被認可的重要程度作為檢索結果的相關度排序依據。 從設計思想上看，它更注重協力廠商對該網頁的認可，如具有較大鏈入網頁數的網頁才是得到廣泛認可的重要網頁，而根據關鍵字位置和頻率的傳統方法只是一種網頁自我認可的形式，缺乏客觀性。 最後還有一些其他方式，如由使用者自由定義排序規則的自訂方式。 北京大學的天網FTP搜尋引擎就採用這種排序方式，它可以讓使用者選擇諸如時間、大小、穩定性和距離等具體排序指標來對結果網頁進行相關度排序。 再如收費排名模式，它作為搜尋引擎的一種主要贏利手段，在具有網路門戶特點的大型搜尋引擎中廣為使用，但于擔心影響搜尋結果的客觀性，這種方式不是它們的主流排序方式，而僅僅作為一個補充顯示在付費搜索欄目中。

相關度排序技術主要依賴于超鏈分析技術實現。 超鏈分析技術可以提供多種功能，其中的主要功能就是解決結果網頁的相關度排序問題。 它主要是利用網頁間存在的各種超鏈指向，對網頁之間的引用關係進行分析，依據網頁鏈人數的多少計算該網頁的重要度權值。 一般認為，如果A網頁有超鏈指向B網頁，相當於A網頁投了B網頁一票，即A認可了B網頁的重要性。 深入理解超鏈分析演算法，可以根據連結結構把整個Web網頁文件組看成一個有向的拓撲圖，其中每個網頁都構成圖中的一個結點，網頁之間的連結就構成了結點間的有向邊，按照這個思想，可以根據每個結點的出度和入度來評價網頁的重要性。

對於超鏈分析技術，有代表性的演算法主要是Page等設計的PageRank演算法和Kleinberg創造的HITS演算法。 其中，PageRank演算法在實際使用中的效果要好于HITS演算法，這主要是由於以下原因：首先，PageRank演算法可以一次性、離線且獨立于查詢的對網頁進行預計算以得到網頁重要度的估計值，然後在具體的使用者查詢中， 結合其他查詢指標值，一起對查詢結果進行相關性排序，從而節省了系統查詢時的運算開銷;其次，PageRank演算法是利用整個網頁集合進行計算的，不像HITS演算法易受到局部連結陷阱的影響而產生「主題漂移」現象， 所以現在這種技術廣泛地應用在許多搜尋引擎系統中，Google搜尋引擎的廣獲成功也表明了以超鏈分析為特徵的網頁相關度排序演算法日益成熟。

PageRank技術基於一種假設，即對於Web中的一個網頁A，如果存在指向網頁A的連結，則可以將A看成是一個重要的網頁。 PageRank認為網頁的鏈入連結數可以反映網頁的重要程度，但是由於現實中的人們在設計網頁的各種超鏈時往往並不嚴格，有很多網頁的超鏈純粹是為了諸如網站導航、商業廣告等目的而製作， 顯然這類網頁對於它所指向網頁的重要程度貢獻程度並不高。 但是，由於演算法的複雜性，PageRank沒有過多考慮網頁超鏈內容對網頁重要度的影響，只是使用了兩個相對簡單的方法:其一，如果一個網頁的鏈出網頁數太多，則它對每個鏈出網頁重要度的認可能力降低;其二， 如果一個網頁由於本身鏈入網頁數很低造成它的重要程度降低，則它對鏈出網頁重要度的影響也相應降低。 所以，在實際計算中，網頁A的重要性權值正比于鏈入網頁A的重要性權值，並且和鏈入網頁A的鏈出網頁數量呈反比。 由於無法知道網頁A自身的重要性權值，所以決定每個網頁的重要權值需要反復反覆運算地進行運算才能得到。 也就是說，一個網頁的重要性決定著同時也依賴于其他網頁的重要性。

作者: 杭州思億歐網路科技有限公司

原載: HTTP://www.seo.com.cn 現載www.buxian123.com站長空間

版權聲明：原創作品，允許轉載，轉載時請務必以超連結形式標明文章 原始出處 、作者資訊和本

聲明。 否則將追究法律責任。