上一篇我们介绍了潜在语义索引（LSI），今天我们将介绍超链分析的颠峰之作：HillTop算法，作为现在Google现在最核心的排名算法之一，网上不乏大量介绍她的文献。本文侧重于原始算法的分析，不考虑过多复杂因素，让您更容易理解算法本质。
HillTop算法集PageRank，HITs、相关性算法大成于一身，由康柏系统研究中心的Krishna Bharat和多伦多大学的George A.Mihaila在2001年提出并申请了专利，后授权于Google，2003年12月Google算法更新，其成为Google核心排名算法之一。
HillTop是一种查询相关性链接分析算法，克服了的PageRank的查询无关性的缺点。简单的说HillTop算法是针对热门查询关键词来对搜索结果重新排序的一种算法。之所以针对热门关键词，这是因为HillTop算法运行效率较低的原因。算法主要分为两个过程：
一、 专家页面的寻找和评分；搜索引擎根据用户查询日志发现热门关键词后，开始针对这些热门关键词寻找专家页面，成为专家页的2个必要因素，1）必须拥有足够多而且不存在隶属关系的出链，2）至少存在一个短语包含该热门关键词的所有术语。确定专家页以后，在该页面上找出所有全部包含热门关键词中术语、或者差1到2两个术语的短语，将这些短语分为三个等级，分别为全部包含，差1个和差2个术语，分别对这个三等级计算等级分，等级是分对各个等级中所有短语得分的和，而短语得分取决于这个短语在页面中位置，分数从高到低依次标题、头部和锚文本等等，然后的综合计算这个三个等级得分就得到专家分。以下举个简单的以 “汽车消费”这个热门关键词为例，“中国汽车消费网”的首页和友情链接页就是这个关键词的专家页面，因为他具有足够多而且不隶属315che.com主机域名和同C类ip的出链，同时标题中的“中国汽车消费网”也包含“汽车”和“消费”这两个术语。接下来评分，先算第一等级（包含所有术语的短语）的得分，短语“中国汽车消费网”在标题中得到16分（假设），以及在锚文本中“中国汽车消费理财倾向大调查”得了1分，那么第一等级得分为17分，再算第二等级（差一个术语），第三等级（差两个术语）。这样再算三个等级得分的加权和，就是专家分，注意这三个等级权重相差非常大，在原算法的等级1到等级3的权重分别是2^32，2^16和1，因为HillTop更喜欢完全匹配。
二、 对目标页评分；一个专家页对目标页的评分等于专家本身分值×专家页可区分的短语数量。取前N个指向目标页的专家页，对于多个同一隶属的专家页指向该目标页，取分值最高的专家页，然后这些专家页对目标网页的评分的和就得到，这个页面对应这个热门关键词的得分，有人称之为行业得分。
我们可以看到HillTop算法通过不同等级的评分确保了评价结果对关键词的相关性，通过不同位置的评分确保了主题（行业）的相关性，通过可区分短语数防止了关键词的堆砌。
总结：HillTop算法存在一种博弈的思想，在链接方面同行业的网站既需要竞争更需要合作，只有被同行“认可”的网站对热门关键关键词的查询才会被排在前面。HillTop基本毁灭了小网站对热门关键词的奢望，除非你对热门关键词有超强的预期能力，但是这种流量只会持续很短的时间。当然HillTop只是排名的一个重要因素，并不是全部。
评论列表: