看過這篇文章后，你或許可以明白以下兩件事兒：

1、一個(gè)單頁面網(wǎng)站，為啥頁面上都是出鏈，被指向的鏈接也很少，但是卻有很好的排名；

2、網(wǎng)站頁面上是不是沒有出鏈（指向外部的）才是的？

看完上述，有興趣沒？好吧，不管你有木有興趣，哥要繼續(xù)了。

在一些電視劇上，或許大家會(huì)經(jīng)常看到這樣的場景，男豬腳A為了了解或者認(rèn)識(shí)某個(gè)人，某件事兒，往往會(huì)去當(dāng)?shù)氐穆灭^飯店向店小二打聽、或者直接找到當(dāng)?shù)氐牡仡^蛇去了解情況。 無它，只是因?yàn)樗麄兿袷且粋€(gè)當(dāng)?shù)馗鞣N事情各種人的活向?qū)А⒒畹貓D，他們可能對(duì)這些事情的始末了解的不夠詳盡，但是必然知道和這件事兒有牽連的人或者物。

所謂調(diào)查事情的始末，一張關(guān)系+事件網(wǎng)而已。

這種事情放到搜索引擎算法上，理所應(yīng)當(dāng)?shù)耐瑯映闪ⅲ徊贿^角色道具全部發(fā)生了轉(zhuǎn)換：男豬腳A變成了廣大的搜索引擎用戶，關(guān)系與事件網(wǎng)變成了鏈接組成的各種關(guān)系，而店小二與地頭蛇變成了我們看到的各種讓人倍感疑惑的站點(diǎn)。

將這些聯(lián)系起來的，是HITS算法。

先來看看百度百科的解釋。

HITS算法：一個(gè)網(wǎng)頁重要性的分析的算法，根據(jù)一個(gè)網(wǎng)頁的入度（指向此網(wǎng)頁的超鏈接）和出度（從此網(wǎng)頁指向別的網(wǎng)頁）來衡量網(wǎng)頁的重要性。其直觀的意義是如果一個(gè)網(wǎng)頁的重要性很高，則他所指向的網(wǎng)頁的重要性也高。一個(gè)重要的網(wǎng)頁被另一個(gè)網(wǎng)頁所指，則表明指向它的網(wǎng)頁重要性也會(huì)高。指向別的網(wǎng)頁定義為Hub值,被指向定義為Authority值。

如果你木有看懂，木得關(guān)系，哥來繼續(xù)給你說一下。

對(duì)于任何一個(gè)頁面來說，其本身必然有兩種屬性：目錄屬性（還有人喜歡叫做樞紐）+權(quán)威屬性，大小而已。

目錄屬性即他本身會(huì)有出鏈，也會(huì)更像一個(gè)導(dǎo)航，告訴讀者想看到關(guān)于某件事兒更詳細(xì)的信息可以點(diǎn)鏈接出去查看；權(quán)威屬性即每個(gè)頁面都是基于某個(gè)主題所闡述的，這個(gè)頁面也必然會(huì)有基于該主題的權(quán)威值，大小而已。

了解了這個(gè)，開始繼續(xù)看下它是怎么運(yùn)用到搜索引擎算法中去的。 在前面介紹搜索引擎原理的文章中，我們介紹過搜索引擎是怎么處理頁面并返回結(jié)果的，HITS算法正是在此基礎(chǔ)之上開展起來的。

下面來看詳細(xì)的步驟。

1、查找根集合

將查詢q提交給基于關(guān)鍵字查詢的檢索系統(tǒng)，從返回結(jié)果頁面的集合中取前n個(gè)網(wǎng)頁(如n=200)，作為根集合(root set)，記為S，則S滿足：

1.1、S中的網(wǎng)頁數(shù)量較少；

1.2、S中的網(wǎng)頁是與查詢q相關(guān)的網(wǎng)頁；

1.3、S中的網(wǎng)頁包含較多的權(quán)威(Authority)網(wǎng)頁。

2、拓展相關(guān)頁面

有了一些牛逼的權(quán)威頁面，開始拓展相關(guān)頁面。其維度也只有兩種：指向權(quán)威頁面的和權(quán)威頁面指向的。

要明白為什么這么拓展頁面，需要先理解一句話： 一個(gè)權(quán)威頁被多個(gè)目錄頁指向，說明這個(gè)權(quán)威頁很權(quán)威；一個(gè)目錄頁指向了多個(gè)權(quán)威頁，說明這個(gè)目錄頁很目錄。

先解釋一下：哥不是純心跟您玩繞口令，自己先理解一下。

3、計(jì)算頁面的權(quán)威值和目錄值

有了一個(gè)相關(guān)的子集，也理解了上述的意思，開始計(jì)算各個(gè)頁面的目錄值和權(quán)威值。 計(jì)算公式很簡單： 先來給個(gè)初始子集的集合P={p₁，p₂，p₃…p_n}，然后根據(jù)這些頁面之間的鏈接關(guān)系建立起一個(gè)矩陣：

如果頁面1有鏈接指向頁面2，則a₁₂的值即為1，反之，則為0。

a頁面的權(quán)威值即為指向它的所有目錄頁面的目錄值之和；

a頁面的目錄值則為它指向的所有權(quán)威頁面的權(quán)威值之和。

4、返回結(jié)果

按照頁面的目錄值和權(quán)威值返回結(jié)果。

好了，聰明的同志應(yīng)該也可以看到，這個(gè)算法很好的反應(yīng)出了人際關(guān)系中的一些特點(diǎn)，也能很好的反應(yīng)出了互聯(lián)網(wǎng)關(guān)系的一些特點(diǎn)。

它也會(huì)有一些比較惡心的不足之處，比如耗時(shí)（在返回結(jié)果之后再計(jì)算，會(huì)增加用戶等待的時(shí)間），會(huì)發(fā)生主題漂移（不考慮內(nèi)容，只考慮鏈接會(huì)造成本來在說A事情，可能結(jié)果變成了有一部分在說B事情）等等。

當(dāng)然，從中我們可以看到一個(gè)事實(shí)，那是其實(shí)搜索引擎的算法并木有傳說中的那么神秘，很多也是基于人際關(guān)系為原型計(jì)算出來的（前面的PR算法也一樣），因?yàn)楫吘梗阉饕嫠惴üこ處熞彩侨耍啾容^來說，他們的優(yōu)勢在于怎么通過一系列的算法將這一原理變成機(jī)器可以讀懂的現(xiàn)實(shí)。  

推薦閱讀