HillTop算法

来源:百度文库 编辑:神马文学网 时间:2024/03/29 06:12:04
现在介绍一下超链分析的颠峰之作: HillTop 算法 ,作为现在 Google 现在最核心的排名算法之一,网上不乏大量介绍她的文献。本文侧重于原始算法的分析,不考虑过多复杂因素,让您更容易理解算法本质。

    HillTop 算法集 PageRank,HITs 、相关性算法大成于一身,由康柏系统研究中心的 Krishna Bharat 和多伦多大学的George A.Mihaila 在 2001 年提出并申请了专利,后授权于 Google , 2003 年 12 月 Google算法更新,其成为 Google 核心排名算法之一。

    HillTop 是一种查询相关性链接分析算法,克服了的PageRank 的查询无关性的缺点。简单的说 HillTop 算法是针对热门查询关键词来对搜索结果重新排序的一种算法。之所以针对 热门关键词,这是因为 HillTop 算法运行效率较低的原因。算法主要分为两个过程:

一、专家页面的寻找和评分;搜索引擎根据用户查询日志发现热门关键词后,开始针对这些热门关键词寻找专家页面,成为专家页的 2 个必要因素, 1)必须拥有足够多而且不存在隶属关系的出链, 2)至少存在一个短语包含该热门关键词的所有术语。确定专家页以后,在该页面上找出所有全部包含热门关键词中术语、或者差 1 到 2两个术语的短语,将这些短语分为三个等级,分别为全部包含,差 1 个和差 2 个术语,分别对这个三等级计算 等级分,等级是分对各个等级中所有短语得分的和,而短语得分取决于这个短语在页面中位置,分数从高到低依次标题、头部和锚文本等等,然后的综合计算这个三个等级得分就得到专家分。以下举个简单的以“汽车消费”这个热门关键词为例,“中国汽车消费网”的首页和友情链接页就是这个关键词的专家页面,因为他具有足够多而且不隶属 315che.com主机域名和同 C 类 ip 的出链,同时标题中的“中国汽车消费网”也包含“汽车”和“消费”这两个术语。接下来评分,先算第一等级 (包含所有术语的短语 ) 的得分,短语“中国汽车消费网”在标题中得到 16 分(假设),以及在锚文本中“中国汽车消费理财倾向大调查”得了 1分,那么第一等级得分为 17 分,再算第二等级(差一个术语),第三等级(差两个术语)。这样再算三个等级得分的加权和,就是 专家分,注意这三个等级权重相差非常大,在原算法的等级1到等级3的权重分别是2^32,2^16和1,因为HillTop更喜欢完全匹配。

二、对目标页评分;一个专家页对目标页的评分等于专家本身分值×专家页可区分的短语数量 。 取前 N个指向目标页的专家页,对于多个同一隶属的专家页指向该目标页,取分值最高的专家页,然后这些专家页对目标网页的评分的和就得到 ,这个页面对应这个热门关键词的得分,有人称之为 行业得分 。

我们可以看到 HillTop 算法通过不同等级的评分确保了评价结果对关键词的相关性,通过不同位置的评分确保了主题(行业)的相关性,通过可区分短语数防止了关键词的堆砌。

总结: HillTop算法存在一种博弈的思想,在链接方面同行业的网站既需要竞争更需要合作,只有被同行“认可”的网站对热门关键关键词的查询才会被排在前面。HillTop 基本毁灭了小网站对热门关键词的奢望,除非你对热门关键词有超强的预期能力,但是这种流量只会持续很短的时间。当然 HillTop只是排名的一个重要因素,并不是全部。