搜索引擎算法之TrustRank值

hubeidajuren实名认证

TrustRank 算法最初来自于2004年斯坦福大学和雅虎的一项联合研究，用来检测垃圾网站，并且于2006年申请专利。TrustRank 算法发明人还发表了一份专门的PDF文件，说明 TrustRank 算法的应用。

　　TrustRank 算法并不是由Google提出，不过由于Google所占市场份额最大，而且 TrustRank在Google排名中也是一个非常重要的因素，所以有些人误以为TrustRank是Google提出的。更让人糊涂的是，Google曾经把TrustRank申请为商标，但是TrustRank商标中的TrustRank指的是Google检测含有恶意代码网站的方法，而不是指排名算法中的信任指数。

　　TrustRank算法基于一个基本假设：好的网站很少会链接到坏的网站。反之则不成立，也就是说，坏的网站很少链接到好网站这句话并不成立。正相反，很多垃圾网站会链接到高权威、高信任指数的网站，意图提高自己的信任指数。

　　基于这个假设，如果能挑选出可以百分之百信任的网站，这些网站的TrustRank评为最高，这些TrustRa，nk最高的网站所链接到的网站信任指数稍微降低，但也会很高。与此类似，第二层被信任的网站链接出去的第三层网站，信任度继续下降。由于种种原因，好的网站也不可避免地会链接到一些垃圾网站，不过离第一层网站点击距离越近，所传递的信任指数越高，离第一级网站点击距离越远，信任指数将依次下降。这样，通过TrustRank算法，就能给所有网站计算出相应的信任指数，离第一层网站越远，成为垃圾网站的可能性就越大。

　　计算TrustRank值首先要选择一批种子网站，然后人工查看网站，设定一个初始TrustRank值。挑选种子网站有两种方式，一是选择导出链接最多的网站，因为TrustRank算法就是计算指数随着导出链接的衰减。导出链接多的网站，在某种意义上可以理解为“逆向PR值”比较高。

　　另一种挑选种子网站的方法是选PR。值高的网站，因为PR值越高，在搜索结果页面出现的概率就越大。这些网站才正是TrustRank算法最关注的、需要调整排名的网站。那些PR值很低的页面，在没有TrustRank算法时排名也很靠后，计算TrustRank意义就不大了。

　　根据测算，挑选出两百个左右网站作为种子，就可以比较精确地计算出所有网站的TrustRank值。

　　计算TrustRank随链接关系减少的公式有两种方式。一是随链接次数衰减，也就是说第一层页面TrustRank指数是一百的话，第二层页面衰减为 90，第三层衰减为80。第二种计算方法是按导出链接数目分配TrustRank值，也就是说一个页面的TrustRank值是一百，页面上有5个导出链接的话，每个链接将传递20%的TrustRank值。衰减和分配两种计算方法通常综合使用，整体效果都是随着链接层次的增加，TrustRank值逐步降低。

　　得出网站和页面的TrustRank值后，可以通过两种方式影响排名。一是把传统排名算法挑选出的多个页面，根据TrustRank值比较，重新做排名调整。二是设定一个最低TrustRank值门槛，只有超过这个门槛TrustRank值的页面，才被认为有足够的质量进入排名，低于门槛的页面将被认为是垃圾页面，从搜索结果中过滤出去。

　　虽然TrustRank算法最初是作为检测垃圾的方法，但在现在的搜索引擎排名算法中，TrustRank概念使用更为广泛，常常影响大部分网站的整体排名。TrustRank算法最初是针对页面级别，现在在搜索引擎算法中，TrustRank值也通常表现在域名级别，整个域名的信任指数越高，整体排名能力就越强。