A-A+

谷歌Pagerank升级了, 法拉盛网获PR2, Matt Cutts预言失败

2013年12月06日 社会万象 暂无评论 阅读 443 views 次
Share

没有人知道谷歌什么时候更新Pagerank,这次更新PR是在今天 6 December 2013. 大家都没做好准备,今年显得有点晚了。

作为一个法拉盛网的管理者, 从上次更新02/04/2013到现在已经超过十个月了,Google经常是每一个季度更新一下PR值。 我们也知道Matt Cutts增在他的博客中说,Google在2014年之前不会更新。

今天,12月6日,谷歌工具栏的PageRank值已被更新。我猜的上级管理部门,管理人员,或拉里·佩奇,不想让PageRank不更新。这让我伤心,因为我相信这让很多Google员工伤心。为什么呢?因为SEO和网站管理员迷恋工具栏的PageRank,都是谷歌的错。

幸运的是,法拉盛网升到了PR2, 恭喜大家各位捧场.

Google Pagerank Update History

Google Pagerank Update History

谷歌更新的时间

谷歌更新的时间是每三个月一次。

6 December 2013 (pending confirmation)
4 February 2013
7 November 2012
2 August 2012
2 May 2012
7 February 2012
7 November 2011
1st Week August 2011
JULY 2011
JUNE 2011
JANUARY 2011
April 2010
Dec 31, 2009
30 October 2009
27/28 May 2009
June 2009
1 / 2 April 2009
30-31 December 2008
27 September 2008
26 July 2008
29 April 2008
9 January 2008
26 October 2007
28 April 2007

这是什么?
PageRank,网页排名,又称网页级别、Google左侧排名或佩奇排名,是一种由搜索引擎根据网页之间相互的超链接计算的技術,而作为网页排名的要素之一,以Google公司創辦人拉里·佩奇(Larry Page)之姓來命名。Google用它来体现网页的相关性和重要性,在搜索引擎优化操作中是經常被用來評估網頁優化的成效因素之一。Google的创始人拉里·佩奇和谢尔盖·布林於1998年在斯坦福大学发明了这项技术。[1]
PageRank通过网络浩瀚的超链接關係来确定一个页面的等级。Google把从A页面到B页面的链接解释为A页面给B页面投票,Google根据投票来源(甚至来源的来源,即链接到A页面的页面)和投票目标的等级来决定新的等级。简单的说,一个高等级的页面可以使其他低等级页面的等级提升。

PageRank算法
假设一个由4个页面组成的小团体:A,B,C和D。如果所有页面都链向A,那么A的PR(PageRank)值将是B,C及D的和。
PR(A)= PR(B) + PR(C) + PR(D)
继续假设B也有链接到C,并且D也有链接到包括A的3个页面。一个页面不能投票2次。所以B给每个页面半票。以同样的逻辑,D投出的票只有三分之一算到了A的PageRank上。
PR(A)= frac{PR(B)}{2}+ frac{PR(C)}{1}+ frac{PR(D)}{3}
换句话说,根据链出总数平分一个页面的PR值。
PR(A)= frac{PR(B)}{L(B)}+ frac{PR(C)}{L(C)}+ frac{PR(D)}{L(D)}
最后,所有这些被换算为一个百分比再乘上一个系数d。由于“没有向外链接的页面”傳遞出去的PageRank会是0,所以,Google通过数学系统给了每个页面一个最小值(1 - d)/N:
PR(A)=left( frac{PR(B)}{L(B)}+ frac{PR(C)}{L(C)}+ frac{PR(D)}{L(D)}+,cdots right) d + frac{1 - d}{N}
说明:在Sergey Brin和Lawrence Page的1998年原文中给每一个页面设定的最小值是1 - d,而不是这里的(1 - d)/N(关于这一部分内容也可以参考英文版的维基百科词条)。 所以一个页面的PageRank是由其他页面的PageRank计算得到。Google不断的重复计算每个页面的PageRank。如果给每个页面一个随机PageRank值(非0),那么经过不断的重复计算,这些页面的PR值会趋向于稳定,也就是收斂的狀態。这就是搜索引擎使用它的原因。

这个方程式引入了随机浏览的概念,即有人上网无聊随机打开一些页面,点一些链接。一个页面的PageRank值也影响了它被随机浏览的概率。为了便于理解,这里假设上网者不断点网页上的链接,最终到了一个没有任何链出页面的网页,这时候上网者会随机到另外的网页开始浏览。
为了处理那些“没有向外链接的页面”(这些页面就像“黑洞”会吞噬掉用户继续向下浏览的概率)带来的问题,d=0.85(这裡的d被称为阻尼系数(damping factor),其意义是,在任意时刻,用户到达某页面后并继续向后浏览的概率。1-d=0.15就是用户停止点击,随机跳到新URL的概率)的算法被用到了所有页面上,估算页面可能被上网者放入书签的概率。

这项技术的主要缺點是旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多外链,除非它是某个站点的子站点。
这就是PageRank需要多项算法结合的原因。PageRank似乎偏好于维基百科页面,在条目名称的搜索结果中,维基百科页面总在大多数或者其他所有页面之前。原因主要是维基百科内相互的链接很多,并且有很多站点链入。
Google经常处罚恶意提高PageRank的行为,至於其如何区分正常的链接和不正常的链接仍然是個商业机密。但是在Google的鏈接規範中,已經很清楚的說明,那些做法是屬於違反操作Pagerank的行為。

Share

Comments

comments

标签:

给我留言