胡光能

2016年5月，魏則西事件將百度的網(wǎng)頁(yè)競(jìng)價(jià)排序模式推向了風(fēng)口浪尖。排除網(wǎng)頁(yè)排序背后的商業(yè)因素，搜索引擎是怎樣在紛繁復(fù)雜的信息中快速搜得所需的呢？

從現(xiàn)實(shí)生活到虛擬網(wǎng)絡(luò)

去圖書(shū)館查找書(shū)籍時(shí)，書(shū)是按文學(xué)、數(shù)學(xué)、計(jì)算機(jī)等科目分類(lèi)放置的；去超市購(gòu)物時(shí)，物品也是按生鮮、日用品、糕點(diǎn)等門(mén)類(lèi)分區(qū)放置的。這樣的安排“合情合理”，能夠幫助我們迅速找到自己所需的書(shū)或物品。

從真實(shí)世界到虛擬世界，互聯(lián)網(wǎng)猶如一張巨大的虛擬網(wǎng)，匯聚各類(lèi)網(wǎng)頁(yè)。互聯(lián)網(wǎng)中的網(wǎng)頁(yè)就好比是圖書(shū)館里的書(shū)或超市中的物品，如果不對(duì)其進(jìn)行排序，要想從數(shù)量驚人的網(wǎng)頁(yè)中“海選”出所需的信息，那就如同天方夜譚。在這樣的背景下，搜索引擎應(yīng)運(yùn)而生。

搜索引擎的“工作”是將用戶(hù)需要的網(wǎng)頁(yè)“搜索”出來(lái)，并展現(xiàn)給用戶(hù)。例如在百度搜索框中輸入“科學(xué)不倒問(wèn)”后，可能會(huì)得到如右下圖所示的搜索結(jié)果（搜索結(jié)果一般會(huì)隨著時(shí)間而變化）。觀察搜索引擎給出的搜索結(jié)果，確實(shí)與“科學(xué)不倒問(wèn)”這個(gè)“主題”相關(guān)，而且相關(guān)性越高，它就會(huì)被排在越靠前的位置。

排序的奧秘

要探究搜索引擎背后的奧秘，那就需要了解搜索結(jié)果的網(wǎng)頁(yè)排序方法。觀察“科學(xué)不倒問(wèn)”的搜索結(jié)果，直觀上說(shuō)，將“《中學(xué)科技》雜志科學(xué)不倒問(wèn)欄目”排在第一的排序應(yīng)是合理的，因?yàn)橄啾扔谄渌W(wǎng)頁(yè)，此網(wǎng)頁(yè)與“科學(xué)不倒問(wèn)”這個(gè)主題的相關(guān)程度更高，而網(wǎng)頁(yè)的排序也在一定程度上反映出在此關(guān)鍵詞下此網(wǎng)頁(yè)的“受歡迎程度”。

網(wǎng)頁(yè)的“受歡迎程度”通?？梢杂镁W(wǎng)頁(yè)的訪問(wèn)量來(lái)衡量，它和網(wǎng)頁(yè)的訪問(wèn)量成正比。但依據(jù)訪問(wèn)量對(duì)網(wǎng)頁(yè)進(jìn)行排序也會(huì)存在一些現(xiàn)實(shí)的問(wèn)題。訪問(wèn)量雖能體現(xiàn)網(wǎng)頁(yè)的“受歡迎程度”，但卻并不能體現(xiàn)網(wǎng)頁(yè)的“權(quán)威性”，例如許多低俗網(wǎng)頁(yè)便有較高的訪問(wèn)量。此外，依據(jù)訪問(wèn)量排序還易受到“刷流量”的惡意誤導(dǎo)。更為重要的是，網(wǎng)頁(yè)的訪問(wèn)量是動(dòng)態(tài)變化的，如要及時(shí)更新排序，代價(jià)也非常巨大。因此，要解決網(wǎng)頁(yè)排序中所遇到的問(wèn)題就要充分挖掘網(wǎng)頁(yè)的特征，確定評(píng)價(jià)網(wǎng)頁(yè)“權(quán)威性”和“受歡迎程度”的綜合指標(biāo)。

網(wǎng)頁(yè)特征包含網(wǎng)頁(yè)的內(nèi)容（圖片及文字等）以及其中指向其他網(wǎng)頁(yè)地址的超鏈接。一個(gè)網(wǎng)頁(yè)越“重要”，理論上就應(yīng)該會(huì)有越多的用戶(hù)瀏覽。網(wǎng)頁(yè)間的超鏈接結(jié)構(gòu)能夠影響用戶(hù)的瀏覽行為，因此，可以依據(jù)各網(wǎng)頁(yè)之間的超鏈接關(guān)系來(lái)確定各網(wǎng)頁(yè)的綜合瀏覽量，并由此對(duì)網(wǎng)頁(yè)進(jìn)行排序。

巧妙的循環(huán)分配

如右上圖，假定一個(gè)用戶(hù)U正在瀏覽網(wǎng)頁(yè)A，A含有兩個(gè)超鏈接（藍(lán)色橫線表示），分別指向網(wǎng)頁(yè)B和C，那么U在瀏覽完A后，可能會(huì)沿著超鏈接繼續(xù)瀏覽B或C，由此B或C的“重要性”便可以由A的“重要性”來(lái)體現(xiàn)。依據(jù)同樣的原理，B的“重要性”便可由指向B的所有網(wǎng)頁(yè)的“重要性”之和來(lái)表示。

與此同時(shí)，處于整個(gè)網(wǎng)絡(luò)之中的B對(duì)其他網(wǎng)頁(yè)也是有影響的，例如網(wǎng)頁(yè)B中包含指向網(wǎng)頁(yè)C的鏈接，即C也影響指向B的網(wǎng)頁(yè)A的“重要性”，由此便會(huì)陷入一個(gè)兩難的境地：要想知道網(wǎng)頁(yè)B的“重要性”，就必須知道指向它的所有的網(wǎng)頁(yè)（A和C）的“重要性”之和；而要想知道所有這些網(wǎng)頁(yè)的“重要性”之和，又需要先知道對(duì)其有影響的網(wǎng)頁(yè)B的“重要性”。這便讓人困惑了，猶如陷入了“先有雞還是先有蛋”的怪圈。

為了打破這個(gè)循環(huán)，谷歌的創(chuàng)始人佩奇和布林提出了PageRank算法來(lái)衡量網(wǎng)頁(yè)的重要性程度。他們首先給所有的網(wǎng)頁(yè)設(shè)置了相同的“初始得分”，然后依據(jù)網(wǎng)頁(yè)間的超鏈接結(jié)構(gòu)不斷運(yùn)行，經(jīng)過(guò)一系列的迭代計(jì)算之后，得到終止?fàn)顟B(tài)下的“網(wǎng)頁(yè)得分”，由此便可依據(jù)“得分”確定網(wǎng)頁(yè)的排列順序。得益于在網(wǎng)頁(yè)排序算法上的創(chuàng)新，谷歌在短短數(shù)年間橫掃整個(gè)互聯(lián)網(wǎng)，成為搜索引擎業(yè)的一代霸主。

依據(jù)網(wǎng)頁(yè)排序算法，我們可以確定網(wǎng)頁(yè)A和C的得分較B高。仔細(xì)分析三者的關(guān)系，這樣的結(jié)果的確也是合理的。網(wǎng)頁(yè)A和B中都包含指向網(wǎng)頁(yè)C的超鏈接，這說(shuō)明網(wǎng)頁(yè)C的“重要性”較高；與此同時(shí)，網(wǎng)頁(yè)C中也包含指向網(wǎng)頁(yè)A的超鏈接，網(wǎng)頁(yè)C從側(cè)面反映了網(wǎng)頁(yè)A的“重要性”，因此網(wǎng)頁(yè)A的得分也較高。

谷歌的網(wǎng)頁(yè)排序算法對(duì)網(wǎng)頁(yè)排序的過(guò)程僅僅是對(duì)簡(jiǎn)單思維的巧妙運(yùn)用，它將網(wǎng)頁(yè)排序變成了一個(gè)簡(jiǎn)單的數(shù)學(xué)問(wèn)題，也使互聯(lián)網(wǎng)擺脫了依據(jù)網(wǎng)頁(yè)訪問(wèn)量進(jìn)行排序的種種弊端。