Google的开始－－剖析大规模超文本网络搜索引擎 （二）
翻译: 
2.系统功能
Google搜索引擎通过两个重要功能来产生高精确度的结果。第一，它利用互联网的链接结构为每个网页计算出一个高质量的排名。这个排名被称为PageRank[注一]，具体在Larry Page98年的论文[Page 98]中有详述。第二，Google利用链接本身来提高搜索结果的质量。
2.1 PageRank: 给互联网带来秩序
现有的搜索引擎在很大程度上忽略了一个重要资源－－把互联网看做是一个引用关系（链接关系）图（见第一部分的注解）。我们已经产生了包含5亿1千8百万这样的超文本链接（就是网页指向网页的链接）的地图－－这是对整个互联网的一个相当显著的采样。这样的地图让我们能快速计算网页的“PageRank”－－一个对于网页被引用程度的客观衡量，而被引用程度与人们对于网页重要性的主观认识也很好地吻合。由于这样的吻合，PageRank成为对用关键字搜索网页返回的结果进行排序的极好方式。对于最热门的分类，局限于网页标题进行简单的文字查找，PageRank排序后的搜索结果效果极好。而在整个Google系统中进行全文查找，PageRank的作用也是非常显著的。
2.1.1 PageRank 计算简述
学术文献的引用机制被应用到互联网上－－主要就是计算一个网页被引用，或被反向链接的次数。这给出了对一个网页重要性或质量的估计。PageRank进一步发展了这个想法：来自不同页面的链接被给以不同的权重，并依据一个网页上链接的个数正态化。PageRank的定义如下：
我们假定网页 A 有若干其他网页（T1...Tn）指向它（即引用关系）。参数d是一个0,1之间的阻尼系数。我们通常把d设为0.85。下一节会有关于d的详述。C(A)是从网页A指向其他网页的链接个数。那么网页A的PageRank的计算如下：PageRank，或PR(A)可以通过一个简单的循环算法来计算。这对应于正态化后的互联网链接矩阵的主要艾根向量的计算。另外，2千6百万网页的PageRank可以在一台中型服务器上，通过几小时的计算完成。这里有很多细节超出了本论文的讨论范围。
PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn))
我们注意到PageRank构成一个分布于所有网页上的概率分布函数，因此所有网页的PageRank总和应该为 1。
2.1.2 直观解释
PageRank 可以被想像成一个对用户行为建立的模型。我们假想一个“随机上网者”；随机地给他一个网页；他漫无目的地点击网页的链接，而从来不点“返回键”；最终他觉得烦了，又从另一个随机的网页从新开始。在上述模型中，“随机上网者”访问一个页面的概率就是这个页面的PageRank。而阻尼系数d，则是我们的“随机上网者”在访问了一个页面后，觉得烦了，开始访问一个新的页面的概率。上述模型的一个重要变形是把阻尼系数d加到一个网页上，还是加到一组网页上。这个变形使得故意欺骗系统获得高排名的企图几乎变成不可能的。我们对PageRank有若干延伸，详见这里[Page 98]。
另一个直观的解释是如果有很多其他网页指向一个页面，或者其他有很高PageRank的网页指向这个页面，该页面应该有较高的PageRank。直觉告诉我们，如果一个网页被互联网上的很多其他网页引用，它应该是值得关注的。而那些只有一个引用的页面，如果它来自象Yahoo!首页，那大约这个网页也值得看看。如果一个网页质量不高或根本就是一个死链接，Yahoo首页多半不会链接它。PageRank 考虑了上述两种以及之间的各种情况，它用递归方式把网页的权重通过互联网的链接结构传播出去。
2.2 锚链接（Anchor，是HTML的语法，即网页链接）的文本
链接的文字在我们的搜索引擎中受到特殊处理。大多数搜索引擎把链接中的文本部分（比如keso这个链接中的keso）归属于这个链接所在的网页。而我们除此之外，还把它归属于这个链接指向的页面。这有几个好处。第一，锚链接对被指向网页的描述，通常比网页本身的描述更准确。第二，锚链接可能指向那些不能被建立文本索引的文档，如图片、程序、数据库。这使得现在不能爬行搜索的页面可以被搜索到了。注意，以前从未被爬行搜索过的页面可能会产生问题，因为它们的有效性从未被验证过。比如搜索引擎甚至会返回一个有链接指向，但其实根本不存在的页面。然而，由于我们可以对结果排序，这个问题很少会出现。
把锚链接中的文本传播到被指向的页面这个想法，在World Wide Web Worm [McBryan 94] 已经被实施了。主要用于对非文本文件的搜索，和把搜索结果扩展到更多下载文档。而我们使用锚链接，主要是因为它可以提供高质量的结果。有效使用锚链接在技术上是很难实现的，因为大量数据需要处理。在我们现在爬行搜索过的2千4百万网页中，我们为2亿5千9百万锚链接建立了索引。
2.3 其他功能
除了使用PageRank和利用锚链接中的文本外，Google还有其他一些功能。第一，它有所有网页的位置信息，因此在搜索过程中充分应用了接近程度。第二，Google 记录网页的一些视觉表现，如单词的字体大小。大字体的权重比小字体要高。第三，完整的原始HTML页面被保存下来（即Google的网页快照功能）。[注一] PageRank 可以译为网页排名，建议后面就用原文了。另外，Page 恰恰是Google创始人之一Larry Page的姓。
