SEO Google算法解析系列之主题敏感的PageRank算法

wrm506384

为了提高查询结果的主题相关性，2002年斯坦福大学的Taher Haveliwala提出了主题敏感的Pagerank算法TSPR，现在是Google排名的核心算法之一。
    无论Pagerank、HITs甚至HillTop算 法都存在主题漂移问题，特别对于疯狂而又随意交互外链的站点，导致搜索引擎返回主题无关结果，搜索引擎用户体验很差。而TSPR借鉴了早期开发目录 (ODP，如Yahoo,Dmoz等)的思想并结合PageRank算法：针对一个查询来确定一个URL对该查询的主题敏感性得分，作为排名的一个重要依 据，大大提高了返回结果的主题相关性。
    TSPR算法主要分为两个过程：
    第一过程针对URL离线生成Rank向量，这个过程是基于开放目录的，以Dmoz为例，中国汽车消费网的首页 URL在Open Directory - World: Chinese Simplified: 休闲: 汽车这个主题(这里假设为Cj)里，假设该页面上的非隶属URL数为L个，那么中国汽车消费网的URL对主题Cj的得分(Ranki)为1/L，由于中国汽车消费网的URL可能出现在多个主题目录中(对于主题目录页面中没有该URL，自然得分就为0)，那么选取TOP N个主题得分，组成这个URL的Rank向量。
    第二个过程就是在线生成针对查询关键词的URL的主题敏感性得分，(1).首先计算一个查询是某一主题的可能性与敏感性得分，和HillTop算法一样， 将一个查询分为k个术语(term)，根据朴素贝叶斯分类器(机器学习与数据挖掘常用的一种数学方法，这里不详述)，计算该查询是某一主题的概率，以汽 车消费为例，分为汽车和消费两个术语属于Cj主题的概率为0.8和0.1，那么该查询为Cj主题的可能性为P(Cj)*0.08 (其中P(Cj)也是一个概率，也可以作为个性化参数，如表示用户对主题Cj的偏好程度);(2).然后计算针对该查询和主题Cj时中国汽车消费网的URL的敏感性得分，该得分为TSPRj=Ranki*P(Cj)*0.08，那么的针对汽车消费这个查询，315che的URL针对汽车消费这个查询的敏感性得分等于上述所有主题中TOP N个TSPRj得分之和(其实也就是第一个过程Rank向量与该查询属于TOP N个Cj概率向量的点积)。
    TSPR算法的总体过程如上，简单的说，对于一个查询，计算一个URL对该查询的主题敏感性得分是依赖于开放目录的。足见Google对开放目录的重视。
    总结：1.一个网站的被开放目录收录是极其重要的，是其在一些主题性关键词查询获得较好Google排名的保证，而这类关键词一般都是热门关键词，是网站 的立身 之本。2.从第一个过程可以看出，一个主题的网站越多，每个网站的敏感性得分就会越小，从第二个过程可以看出一个网站被越多的主题收录，敏感性的就越高， 显然被越多的开放目录收录，主题敏感性就越高。所以选择合适主题，让尽量多的开放目录收录可以提高重要页面的主题敏感性得分。
    本文由站长供稿!