Google技術副總裁談Google排名算法

今天是Google新聞發布日2006，大家可以看新聞發布會的實況，長達3個多小時。在發布會上Google總裁Eric Schmidt談到Google的核心還是搜索，相關人員介紹了四個新產品，其中Google Trend對關鍵詞研究很有用。

最感興趣的是Google技術部門副總裁Alan Eustace談Google排名的情況。所以我只跳到這個部分看了一下，大概半小時。下面揀記得的重點介紹給大家。

Alan首先談到的是蜘蛛爬行，基本上就是跟蹤所發現的鏈接。

速度非常重要。上一次Google在主頁上發布的信息是，在數據庫中有80億網頁。如果每秒爬行一個網頁的話，這80億的網頁需要250多年才能爬行完。所以高速爬行網頁非常重要。

爬行時的另外一個問題是，大概有50％的網頁都是重復內容。所以Google所收錄的80億其實是已經丟掉了一半后的數字，真正爬行的有可能是200億文件。

爬行時還有一個危險就是無限循環。比如說跟蹤某個網頁上日歷的鏈接，可能在這個日歷上總是有“下一個月”這個按鈕，產生無限循環。因為網頁程序可以無限制的生成下一個月的月歷，Google蜘蛛就出不來了。

10％到20％的網站每個月都會更新內容，更新度也很重要。

然后是索引，索引就和一本書的索引差不多。比如說用戶搜索heart attack（心臟病暴發），heart出現在文件5，9，25，attack出現在文件7，9，22，那么很明顯第九個網頁是符合條件的網頁，這樣搜索范圍就已經限制在包含搜索詞的網頁內。

當然這個數量還是巨大的，再怎么從這里面挑出最好的結果呢？也就是進一步計算排名。

Google用兩百多個信號來計算排名，這是新信息。

Alan提到了錨文字和PageRank。

舉斯坦弗大學網頁作為例子，很多其他網站會連向斯坦弗大學的網頁，那么可以合理假定斯坦弗大學的網站權威性比較高，這也就是PR的意義。

然后是錨文字，也就是鏈接文字。比如在斯坦弗大學的網頁上，一個以“Knight fellows”為鏈接文字的鏈接到其他網站，那么這個鏈接文字本身就在一定程度上說明了那個網頁的主題，就算在那個網頁上面Knight fellows這個詞根本沒有出現。

這個排名過程必須是自動的，不可能人工去調節這些排名。

Alan談到大約20％到25％的搜索關鍵詞都是獨特的，也就是說以前從來沒有別人所搜索過的。用戶都非常有創意，會以各種各樣形式組合的詞來做搜索。

一個關鍵詞搜索是由上千架機器所處理的。

Alan接著談到垃圾技術，比如說在留言本里留下垃圾鏈接，這種技術對Google來說早就不起作用了。再比如有的作弊的人建立大量的網站，在這些網站之間互相鏈接，這對Google也不起作用。

他加了一句：對別的搜索引擎起不起作用，那就不知道了。

Google在做算法調整的時候，依據是多少人受益。比如說做某個調整，40％的人會覺得搜索質量提高，40％的人覺得沒什么變化，20％的人覺得搜索質量降低，Google的決定就會是進行這個調整。

不可能在100％的搜索詞下滿足100％的人。

Alan還提到很多其他語言的搜索也非常困難，比如中文分詞技術。

這段談話倒沒有很出人意料的地方，但Google負責技術的副總裁自己談Google排名算法就已經很難得了。

等有時間再完整看一遍，看有什么新東西。

關鍵詞：

上一篇：Google搜索結果中的補充材料是什么意思？

下一篇：李彥宏超鏈分析和Google PR專利的區別