我們向搜索引擎提交一個(gè)查詢，搜索引擎會(huì)從先到后列出大量的結(jié)果，排序的不同帶來(lái)的經(jīng)濟(jì)效應(yīng)也不同，我們想要的就是讓自己的搜索結(jié)果靠前，最好是能得到NO.1。那么這些搜索結(jié)果排序的標(biāo)準(zhǔn)是什么呢？
還是看看百度搜索研發(fā)部以求醫(yī)為例談搜索引擎排序算法的基礎(chǔ)原理。
比如，如果我牙疼，應(yīng)該去看怎樣的醫(yī)生呢？假設(shè)只有三種選擇：
A醫(yī)生，既治眼病，又治胃病；
B醫(yī)生，既治牙病，又治胃病，還治眼病；
C醫(yī)生，專治牙病。
A醫(yī)生肯定不在考慮之列，B醫(yī)生和C醫(yī)生之間，貌視更應(yīng)該選擇C醫(yī)生，因?yàn)樗鼘Ｗⅲm合我的病情。假如再加一個(gè)條件：B醫(yī)生經(jīng)驗(yàn)豐富，有二十年從醫(yī)經(jīng)歷，醫(yī)術(shù)高明，而C醫(yī)生只有五年從醫(yī)經(jīng)驗(yàn)，這個(gè)問(wèn)題就不那么容易判斷了，是優(yōu)先選擇更加專注的C醫(yī)生，還是優(yōu)先選擇醫(yī)術(shù)更加高明的B醫(yī)生，的確成了一個(gè)需要仔細(xì)權(quán)衡的問(wèn)題。
至少，我們得到了一個(gè)結(jié)論，擇醫(yī)需要考慮兩個(gè)條件：醫(yī)生的專長(zhǎng)與病情的適配程度、醫(yī)生的醫(yī)術(shù)。大家肯定覺(jué)得這個(gè)結(jié)論理所當(dāng)然，而且可以很自然地聯(lián)想到，搜索引擎排序不也是這樣嗎，既要考慮網(wǎng)頁(yè)內(nèi)容與用戶搜索查詢的匹配程度，又要考慮網(wǎng)頁(yè)本身的質(zhì)量。
但是，怎么把這兩種因素結(jié)合起來(lái)，得到一個(gè)，而不是兩個(gè)或多個(gè)排序標(biāo)準(zhǔn)呢？簡(jiǎn)單的加減乘除是不夠嚴(yán)謹(jǐn)?shù)模詈媚芨鷶?shù)學(xué)這樣堅(jiān)實(shí)的學(xué)科聯(lián)系起來(lái)。人類在古代就能建造出高樓，但要建造出高達(dá)數(shù)百米的摩天大廈，如果沒(méi)有建筑力學(xué)、材料力學(xué)這樣堅(jiān)實(shí)的學(xué)科作為后盾，則是非常非常困難的。同理，搜索引擎算法要處理上億的網(wǎng)頁(yè)，也需要更為牢固的理論基礎(chǔ)。
求醫(yī)，病人會(huì)優(yōu)先選擇診斷準(zhǔn)確、治療效果好的醫(yī)生。而對(duì)于搜索引擎來(lái)說(shuō)，一般按網(wǎng)頁(yè)滿足用戶需求的概率從大到小排序。如果用q表示用戶給出了一個(gè)特定的搜索查詢，用d表示一個(gè)特定的網(wǎng)頁(yè)滿足了用戶的需求，那么排序的依據(jù)可以用一個(gè)條件概率來(lái)表示：
這個(gè)簡(jiǎn)單的條件概率，將搜索引擎排序算法與概率論這門堅(jiān)實(shí)的學(xué)科聯(lián)系了起來(lái)。可以看到，搜索引擎的排序標(biāo)準(zhǔn)，是由三個(gè)部分組成的：搜索查詢本身的屬性P(q)、網(wǎng)頁(yè)本身的屬性P(d)、兩者的匹配關(guān)系P(q|d)。對(duì)于同一次查詢來(lái)說(shuō)，所有網(wǎng)頁(yè)對(duì)應(yīng)的P(q)都是一樣的，因此排序時(shí)可以不考慮，即
搜索引擎為了提高響應(yīng)用戶搜索查詢的性能，需要事先對(duì)所有待查詢的網(wǎng)頁(yè)做預(yù)處理。預(yù)處理時(shí)，搜索引擎預(yù)處理只知道網(wǎng)頁(yè)，還不知道用戶查詢，因此需要倒過(guò)來(lái)計(jì)算，即分析每個(gè)網(wǎng)頁(yè)能滿足哪些需求，該網(wǎng)頁(yè)分了多大比例來(lái)滿足該需求，即得到公式右邊的第一項(xiàng)P(q|d)，這相當(dāng)于醫(yī)生的專注程度。
比如，一個(gè)網(wǎng)頁(yè)專門介紹牙病，另一個(gè)網(wǎng)頁(yè)既介紹牙病又介紹胃病，那么對(duì)于“牙疼”這個(gè)查詢來(lái)說(shuō)，前一個(gè)網(wǎng)頁(yè)的P(q|d)值就會(huì)更高一些。
公式右邊的第二項(xiàng)P(d)，是一個(gè)網(wǎng)頁(yè)滿足用戶需求的概率，它反映了網(wǎng)頁(yè)本身的好壞，與查詢無(wú)關(guān)。假如要向一個(gè)陌生人推薦網(wǎng)頁(yè)(我們并不知道他需要什么)，那么P(d)就相當(dāng)于某個(gè)特定的網(wǎng)頁(yè)被推薦的概率。在傳統(tǒng)的信息檢索模型中，這個(gè)不太被重視，之前都試圖只根據(jù)查詢與文檔的匹配關(guān)系來(lái)得到排序的權(quán)重。而實(shí)際上，這個(gè)與查詢無(wú)關(guān)的量是非常重要的。
假如我們用網(wǎng)頁(yè)被訪問(wèn)的頻次來(lái)估計(jì)它滿足用戶需求的概率，可以看出對(duì)于兩個(gè)不同的網(wǎng)頁(yè)，這個(gè)量有著極其巨大的差異：有的網(wǎng)頁(yè)每天只被訪問(wèn)一兩次，而有的網(wǎng)頁(yè)每天被訪問(wèn)成千上萬(wàn)次，這對(duì)于排序非常重要。
總而言之，這個(gè)公式模型告訴了我們網(wǎng)頁(yè)與查詢的匹配程度，和網(wǎng)頁(yè)本身的好壞都是參與排序排名的重要因素。
怎么樣？文章中的內(nèi)容在現(xiàn)在是不是有很多都似曾相似，是不是在互聯(lián)網(wǎng)上看到很多文章都和這類似？其實(shí)很多內(nèi)容都是從這里衍生出去的。比如搜索引擎的綜合得分排序、比如關(guān)鍵詞與網(wǎng)頁(yè)內(nèi)容的相關(guān)度、比如網(wǎng)頁(yè)本身好壞對(duì)排序影響等等。
一個(gè)最簡(jiǎn)單的例子，著名的搜索引擎排序算法pagerank算法，其實(shí)就是為了彌補(bǔ)傳統(tǒng)算法對(duì)P(d)值（頁(yè)面本身好壞判斷）的不足而產(chǎn)生的，Pagerank是對(duì)網(wǎng)頁(yè)好壞判斷的一個(gè)不錯(cuò)的標(biāo)準(zhǔn)。而現(xiàn)在的網(wǎng)頁(yè)點(diǎn)擊量、停留時(shí)間、跳出率、頁(yè)面訪問(wèn)速度等都是對(duì)網(wǎng)頁(yè)滿足用戶需求概率的預(yù)估，這一個(gè)因素越來(lái)越重要。
其實(shí)也是大篇幅的在談?wù)劸W(wǎng)頁(yè)本身好壞這一點(diǎn)。隨著用戶時(shí)代來(lái)臨，用戶投票越來(lái)越影響搜索排名，而用戶主要衡量的除了需求滿足外就是網(wǎng)頁(yè)本身質(zhì)量。所以，網(wǎng)頁(yè)本身質(zhì)量不管對(duì)于用戶還是搜索引擎，在排序上都變得越來(lái)越重要。
一句話，很多時(shí)候需要透過(guò)現(xiàn)象去看本質(zhì)，而你看透這個(gè)本質(zhì)后，再看其他現(xiàn)象，一切都那么明了。謝謝閱讀，希望能幫到大家，請(qǐng)繼續(xù)關(guān)注腳本之家，我們會(huì)努力分享更多優(yōu)秀的文章。
