Google新PR:以連結距離為基礎的頁面級別

Google PR是Google誕生以來最具知名度的概念，以至於很多人認為Google PR的意義更多在於公關炒作，而不是排名算法。2016年4月，Google取消了工具條輸出PR值的顯示，站長們再也看不到最新的PR值了，也有很多SEO認為Google完全取消了PageRank算法。現在的Google排名算法中還有PageRank嗎？眾說紛紜。

Google從2006年就不再使用PageRank了

前天，一位自稱的前 Google軟體工程師在Hacker News的一個討論Google替代品的帖子中透露，Google早在2006年就不再使用Google PR了：

The comments here that PageRank is Google’s secret sauce also aren’t really true – Google hasn’t used PageRank since 2006. The ones about the search & clickthrough data being important are closer…

翻譯過來的意思是：

評論裡說PageRank是Google秘方的說法並不正確 — 從2006年Google就不再用 PageRank了。關於搜索和點擊率數據很重要的說法還比較靠譜……

說得很明確，Google算法早就不再使用PageRank了。

這是真的嗎？

為了驗證這位前Google員工身份，SEO們已經做了人肉分析，結論是大概率是真的。這位員工名字是Jonathan Tang，Twitter帳號在此，2009年至2014年在Google工作，他的Hacker News帳號是2007年註冊的，不大可能用這麼老的帳號來胡扯或造謠。

而且，這些年Google與SEO行業的官方溝通人JohnMu在Twitter上評論此事時並沒有否認，只是說：

SEO們應該知道，20年來Google工程師不可能沒有對搜索做出修改。

所以，雖然沒有官方認證，但應該是真的。其實，Matt Cutts等人很早以前也表示過，Google算法肯定還是考慮連結的，而且連結依然是最重要的排名因素，PageRank以及Google排名的基本原理沒有變化，但不可能這麼多年原樣不動地用PageRank的原始版本，肯定是修改過的了。

JohnMu去年也直接評論過PageRank的使用情況，表示現在的Google算法不可能還是一比一地原樣用PageRank的最初公式。

那麼2006年以後工具條顯示的PR是什麼鬼？

前面提到，Google是從2016年取消工具條顯示PR的，如果2006年就不再用PR了，那麼2006年到2016年工具條上顯示的PageRank是什麼東西？

而且Google的另一位發言人Gary Illyes在2017年還發推明確說：「你們不知道嗎，Google在18年後依然在排名算法中使用PageRank（還有幾百個其它信號）。」

所以到底是在用還是不用了？

Jonathan Tang後續又解釋了一下：

他們2006年用另一個算法取代了PR，那個算法給出的結果大致和PR相似，但計算速度快得多。工具條顯示的宣稱是PR的數值就是這個替代算法的結果。這個替代算法的名字都和PageRank相似，所以Google這麼宣稱，在技術上也不能說是錯的。

所以，從2006年開始，Google算法中使用的、工具條所顯示的，都不是原始PageRank計算公式的結果，而是一個結果類似、名稱類似、計算速度快得多的算法。

我們姑且稱之為Google新PageRank吧。

那麼這個Google新PR的計算原理是什麼？Jonathan Tang沒說，連真實名稱也沒說，大家只能猜測了。

疑似Google新PageRank專利

Jonathan Tang的帖子後面，專門研究Google專利的大神Bill Slawski發了個回覆：

Google的新版本PageRank專利2006年通過。巧合？

Bill Slawski去年發帖詳細介紹過這個新版本PageRank專利，這兩天又仔細讀了一下專利原文和Bill Slawski的帖子，這裡介紹一下大意。

專利名稱是Producing a ranking for pages using distances in a web-link graph – 基於連結距離的頁面級別計算。

Google新PageRankshi yi tu

簡單說，新PageRank不再計算導入連結的總數，而是計算這個頁面與種子頁面之間的距離，距離越近，頁面質量越高，頁面級別、新PageRank越高。這個思路和Yahoo!的TrustRank是極為相近的，基本假設都是：好網站不會連結向壞網站，但會連結向其它好網站。

種子頁面、連結長度、連結距離

這個專利涉及幾個概念。種子頁面（Seed Pages）、連結長度（Link Length）、連結距離（Link Distance）。

種子頁面（Seed Pages）

如上面的簡單網絡連結圖所示，Google選出一部分頁面作為種子頁面，如圖中上半部分的頁面106、108、110，下半部分的都是種子頁面集之外的、需要計算新PR值的。

關於種子頁面的幾個要點：

種子頁面顯然是高質量的頁面，專利裡舉的例子是Google目錄（其實就是已經死了的開放目錄）和紐約時報。種子頁面需要與其它非種子頁面有很好的連通性，有比較多的導出連結指向其它高質量頁面。種子頁面需要穩定可靠，有多樣性，大範圍覆蓋各類主題。連結長度（Link Length）

種子和非種子之間有的離得近，有的離得遠。如種子頁面106通過連結132直接連向非種子頁面112，非種子頁面118則沒有種子頁面直接連向它，要通過兩層連結。

連結距離並不是簡單地數連結層數。每個連結Google會計算一個連結長度，連結長度取決於連結本身的特徵和連結所在頁面的特徵，比如頁面上有多少連結，連結的位置，連結文字所用字體等等。

所以，同樣是一個連結，連結長度是不一樣的：

頁面導出連結越多，連結長度越長。這和原始PageRank思路是一樣的，導出連結越多，每個連結分到的權重越少。連結所在位置越重要，比如正文中，正文靠前部分，連結長度越短。連結錨文字字號越大，或者在H1中，可能連結長度越短。我記得Matt Cutts很久以前在談到PageRank可能的修正時提到過，正文中的連結和頁腳的連結被用戶點擊到的概率顯然差距很大，所以不同位置的連結獲得的PR和權重應該是不一樣的。這種說法很符合這個專利的意思。

連結距離（Link Distance）

連結距離就是頁面與種子頁面集合之間的最短連結長度之和。種子頁面和非種子頁面之間通常不止一條連結通路，如示意圖中，頁面118可以通過連結132、136從種子頁面106到達，也可以通過連結134、142、140到達，還可以通過連結134、140到達，還可以通過其它連結從其它種子頁面到達，所有這些從種子集到頁面的連結通路中，連結長度之和最短的那個被定義為連結距離。

如果一個頁面無法從任何種子頁面出發訪問到，也就是種子頁面集合到這個頁面完全沒有連結通路，那麼連結距離是無限大。

然後Google算法根據連結距離計算出一個頁面的排名能力分數，也就是新PR值，最後的排名算法中，這個新PR值作為排名因素之一。也就是說，連結距離越短，離種子越近，Google認為頁面越重要，排名能力越高。

連結距離的計算不需要迭代，所以比原版PageRank的計算要快得多，而在代表頁面重要性上，我相信Google做過對比，準確性差不多，所以就用來代替原來的PR了。

簡化連結網絡圖（Reduced Link-Graph）

專利最後面提到了另一個概念：簡化連結網絡圖（Reduced Link-Graph），不過沒有再說明這個概念有什麼用，用一個段落說了簡化連結網絡圖這個概念後專利就結束了。不過簡化連結網絡圖有可能和連結質量判斷、Penguin算法更新等相關。

在前面示意圖中，所有頁面之間的所有連結組成一個完整的連結網絡圖，其中只由最短連結距離通路組成的連結被稱為簡化連結網絡圖，也就是用來計算新PR值的那些連結。顯然，簡化連結網絡圖是完整連結網絡的一個子集，不過每個頁面的連結距離都已經保留在簡化連結網絡圖中了，去掉的那些連結對頁面連結距離和新PR值沒有影響。在簡化連結網絡圖中，每個頁面獲得的連結權重來源都是可以回溯到最近的種子頁面的。

如果一個頁面從種子集合完全沒有連結通路可以到達，也就是前面說的連結距離為無限大，這個頁面將被排除在簡化連結網絡圖之外。如果一個頁面得到的連結都來自簡化連結網絡之外，雖然連結總數可能很大，但其連結距離依然是無限大。

換句話說，在簡化連結網絡之外的連結是被忽略掉的，無論有多少連結。聯想到Penguin 4.0算法更新，其中一個特徵就是，垃圾連結是被忽略掉的，不被計入連結的流動中，這和基於連結距離的頁面級別非常相似。