12、搜索引擎搜索结果排名机制解析

搜索引擎搜索结果排名机制解析

1. 文本统计排名的局限性

早期搜索引擎如 Excite、Lycos 和 AltaVista 主要采用传统信息检索系统的标准文本统计排名。这种排名方式基于一个假设，即数据库中的所有文档潜在质量水平相同，且排名不考虑文档是否普遍适合用户，仅依据文本本身判断哪些文档可能特别适合查询。

然而，在网络环境中，文档由各种动机的不同作者创作，文档的可靠性需要评估。同时，早期搜索引擎还面临大量垃圾文档的问题，例如许多搜索引擎曾将当时的色情网站 whitehouse.com 在“white house”查询中排在首位。

2. 基于流行度的排名方法

搜索引擎衡量文档质量的一个基本方法是测量其流行度，基本假设是其他用户认为好的内容，至少在一定程度上，对当前搜索的用户也有帮助。流行度的测量可以从不同层面进行：
- 用户群体层面 ：可分为在所有用户中的流行度、特定用户群体中的流行度以及针对单个用户的流行度（个性化）。
- 数据收集类型层面 ：
- 基于网络链接的数据收集（链接拓扑方法） ：通过网络的链接结构，确定哪些文档特别受欢迎（即被其他文档频繁链接），这种方法只考虑创建文档或设置链接者的意见。
- 记录用户点击（使用统计） ：通过测量用户实际查看的内容，确定哪些文档特别受欢迎，此方法评估的是用户的行为，而非仅考虑内容创作者的评价。

以下是流行度测量方法的对比表格：
| 测量方法 | 数据来源 | 考虑因素 |
| --