看過這篇文章后，你或許可以明白以下兩件事兒：

1、一個單頁面網(wǎng)站，為啥頁面上都是出鏈，被指向的鏈接也很少，但是卻有很好的排名；

2、網(wǎng)站頁面上是不是沒有出鏈（指向外部的）才是的？

看完上述，有興趣沒？好吧，不管你有木有興趣，哥要繼續(xù)了。

在一些電視劇上，或許大家會經(jīng)?？吹竭@樣的場景，男豬腳A為了了解或者認識某個人，某件事兒，往往會去當?shù)氐穆灭^飯店向店小二打聽、或者直接找到當?shù)氐牡仡^蛇去了解情況。 無它，只是因為他們像是一個當?shù)馗鞣N事情各種人的活向導、活地圖，他們可能對這些事情的始末了解的不夠詳盡，但是必然知道和這件事兒有牽連的人或者物。

所謂調(diào)查事情的始末，一張關系+事件網(wǎng)而已。

這種事情放到搜索引擎算法上，理所應當?shù)耐瑯映闪ⅲ徊贿^角色道具全部發(fā)生了轉換：男豬腳A變成了廣大的搜索引擎用戶，關系與事件網(wǎng)變成了鏈接組成的各種關系，而店小二與地頭蛇變成了我們看到的各種讓人倍感疑惑的站點。

將這些聯(lián)系起來的，是HITS算法。

先來看看百度百科的解釋。

HITS算法：一個網(wǎng)頁重要性的分析的算法，根據(jù)一個網(wǎng)頁的入度（指向此網(wǎng)頁的超鏈接）和出度（從此網(wǎng)頁指向別的網(wǎng)頁）來衡量網(wǎng)頁的重要性。其直觀的意義是如果一個網(wǎng)頁的重要性很高，則他所指向的網(wǎng)頁的重要性也高。一個重要的網(wǎng)頁被另一個網(wǎng)頁所指，則表明指向它的網(wǎng)頁重要性也會高。指向別的網(wǎng)頁定義為Hub值,被指向定義為Authority值。

如果你木有看懂，木得關系，哥來繼續(xù)給你說一下。

對于任何一個頁面來說，其本身必然有兩種屬性：目錄屬性（還有人喜歡叫做樞紐）+權威屬性，大小而已。

目錄屬性即他本身會有出鏈，也會更像一個導航，告訴讀者想看到關于某件事兒更詳細的信息可以點鏈接出去查看；權威屬性即每個頁面都是基于某個主題所闡述的，這個頁面也必然會有基于該主題的權威值，大小而已。

了解了這個，開始繼續(xù)看下它是怎么運用到搜索引擎算法中去的。 在前面介紹搜索引擎原理的文章中，我們介紹過搜索引擎是怎么處理頁面并返回結果的，HITS算法正是在此基礎之上開展起來的。

下面來看詳細的步驟。

1、查找根集合

將查詢q提交給基于關鍵字查詢的檢索系統(tǒng)，從返回結果頁面的集合中取前n個網(wǎng)頁(如n=200)，作為根集合(root set)，記為S，則S滿足：

1.1、S中的網(wǎng)頁數(shù)量較少；

1.2、S中的網(wǎng)頁是與查詢q相關的網(wǎng)頁；

1.3、S中的網(wǎng)頁包含較多的權威(Authority)網(wǎng)頁。

2、拓展相關頁面

有了一些牛逼的權威頁面，開始拓展相關頁面。其維度也只有兩種：指向權威頁面的和權威頁面指向的。

要明白為什么這么拓展頁面，需要先理解一句話： 一個權威頁被多個目錄頁指向，說明這個權威頁很權威；一個目錄頁指向了多個權威頁，說明這個目錄頁很目錄。

先解釋一下：哥不是純心跟您玩繞口令，自己先理解一下。

3、計算頁面的權威值和目錄值

有了一個相關的子集，也理解了上述的意思，開始計算各個頁面的目錄值和權威值。 計算公式很簡單： 先來給個初始子集的集合P={p₁，p₂，p₃…p_n}，然后根據(jù)這些頁面之間的鏈接關系建立起一個矩陣：

如果頁面1有鏈接指向頁面2，則a₁₂的值即為1，反之，則為0。

a頁面的權威值即為指向它的所有目錄頁面的目錄值之和；

a頁面的目錄值則為它指向的所有權威頁面的權威值之和。

4、返回結果

按照頁面的目錄值和權威值返回結果。

好了，聰明的同志應該也可以看到，這個算法很好的反應出了人際關系中的一些特點，也能很好的反應出了互聯(lián)網(wǎng)關系的一些特點。

它也會有一些比較惡心的不足之處，比如耗時（在返回結果之后再計算，會增加用戶等待的時間），會發(fā)生主題漂移（不考慮內(nèi)容，只考慮鏈接會造成本來在說A事情，可能結果變成了有一部分在說B事情）等等。

當然，從中我們可以看到一個事實，那是其實搜索引擎的算法并木有傳說中的那么神秘，很多也是基于人際關系為原型計算出來的（前面的PR算法也一樣），因為畢竟，搜索引擎算法工程師也是人，相比較來說，他們的優(yōu)勢在于怎么通過一系列的算法將這一原理變成機器可以讀懂的現(xiàn)實。  

推薦閱讀