TrustRank 算法

TrustRank 算法

        TrustRank是近年來比較受關(guān)注的基于鏈接關(guān)系的排名算法。TrustRank可以翻譯為“信任指數(shù)”。
        TrustRank算法最初來自于2004年斯坦福大學(xué)和雅虎的一項聯(lián)合研究，用來檢測垃圾網(wǎng)站，并且于2006年申請專得。TrustRank算法發(fā)明人還發(fā)表了一份專門的PDF文件，說明TrustRank算法的應(yīng)用。感興趣的讀者可以在下面這個網(wǎng)址下載PDF文件：http://www.vldb.org/conf/2004/Rs15P3.PDF
        TrustRank算法并不是由Google提出的，不過由于Google所占市場份額最大，而且TrustRank在Google排名中也是一個非常重要的因素，所以有些人誤以為TrustRank是Google提出的。更讓人糊涂的是，Google曾經(jīng)把TrustRank申請為商標(biāo)，但是TrustRank商標(biāo)中的TrustRank指的是Google檢測含有惡意代碼網(wǎng)站的方法，而不是指排名算法中的信任指數(shù)。
       TrustRank算法基于一個基本假設(shè)：好的網(wǎng)站(北京網(wǎng)站制作)很少會鏈接到壞的網(wǎng)站。反之剛不成立，也就是說，壞的網(wǎng)站委少鏈接到好網(wǎng)站這句話并不成立。正相反，很多垃圾網(wǎng)站會鏈接到高權(quán)威、高信任指數(shù)的網(wǎng)站，試圖提高自己的信任指數(shù)。
       基于這個假設(shè)，如果能挑選出可以百分之百信任的網(wǎng)站，這些網(wǎng)站的TrustRank評為最高，這些TrustRank最高的網(wǎng)站所鏈接到的網(wǎng)站任憑指數(shù)稍微降低，但也會很高。與此類似，第二層被信任的網(wǎng)站鏈接出去的第三層網(wǎng)站，信任度繼續(xù)下降。由于種種原因，好的網(wǎng)站也不可避免地會鏈接到一些垃圾網(wǎng)站，不過離第一層網(wǎng)站點擊距離越近，所傳遞的信任指數(shù)越高，離第一級網(wǎng)站點擊距離就越遠(yuǎn)，信任指數(shù)將依次下降。這樣，通過TrustRank算法，就能給所有網(wǎng)站計算出相應(yīng)的信任指數(shù)，離第一層網(wǎng)站越遠(yuǎn)，成為垃圾網(wǎng)站的可能性就越大。
       計算TrustRank值首先要選擇一批種子網(wǎng)站，然后人工查看網(wǎng)站，設(shè)定一個初始TrustRank值。挑選 種子網(wǎng)站有兩種方式，一種是選擇導(dǎo)出鏈接最多的網(wǎng)站，因為TrustRank算法就是計算指數(shù)隨著導(dǎo)出鏈接的衰減。導(dǎo)出鏈接多的網(wǎng)站，在某種意義上可以理解為“逆向PR值”比較高。
      另一種挑選種子網(wǎng)站的方法是選PR值高的網(wǎng)站，因為PR值越高，在搜索結(jié)果頁面出現(xiàn)的概率就越大。這些網(wǎng)站才正是TrustRank算法最關(guān)注的、需要調(diào)整排名的網(wǎng)站。那些PR值很低的頁面，在沒有TrustRank算法時排名也很靠后，計算TrustRank意義就不大了。
      根據(jù)測算，挑選出兩百個左右網(wǎng)站(高端網(wǎng)站建設(shè))作為種子，就可以比較精確地計算出所有網(wǎng)站的TrustRank值。
      計算TrustRank隨鏈接關(guān)系減少的公式有兩種方式。一種是隨鏈接次數(shù)衰減，也就是說如果第一層頁面TrustRank指數(shù)是100，第二層頁面衰減為90，第三層衰減為80。第二種計算方法是按導(dǎo)出鏈接數(shù)目分配TrustRank值，也就是說，如果一個頁面的TrustRank值是100，頁面上有5個導(dǎo)出鏈接，每個鏈接將傳遞20%的TrustRank值。衰減和分配這兩種計算方法通常綜合使用，整體效果都是隨著鏈接層次的增加，TrustRank值逐步降低。得出網(wǎng)站的頁面和TrustRank值后，可以通過兩種方式影響排名。一種是把傳統(tǒng)排名算法挑選出的多個頁面，根據(jù)TrustRank值比較，重新做排名調(diào)整。另一種是設(shè)定一個最低的TrustRank值門檻，只有超過這個門檻的頁面，才被認(rèn)為有足夠的質(zhì)量進(jìn)入排名，低于門檻的頁面將被認(rèn)為是垃圾頁面，從搜索結(jié)果中過濾出去。
       雖然TrustRank算法最初是作為檢測垃圾的方法，但在現(xiàn)在的搜索引擎排名算法中，TrustRank概念使用更為廣泛，常常影響大部分網(wǎng)站的整體排名。TrustRank算法最初針對的是頁面級別，現(xiàn)在在搜索引擎算法中，TrustRank值也通常表現(xiàn)在域名級別，整個域名的信任指數(shù)越高，整體排名能力就越強。