Google新PR：以链接距离为基础的页面级别

Google PR是Google诞生以来最具知名度的概念，以至于很多人认为Google PR的意义更多在于公关炒作，而不是排名算法。2016年4月，Google取消了工具条输出PR值的显示，站长们再也看不到最新的PR值了，也有很多SEO认为Google完全取消了PageRank算法。现在的Google排名算法中还有PageRank吗？众说纷纭。

前天，一位自称的前 Google软件工程师在Hacker News的一个讨论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…

翻译过来的意思是：

评论里说PageRank是Google秘方的说法并不正确 — 从2006年Google就不再用 PageRank了。关于搜索和点击率数据很重要的说法还比较靠谱……

说得很明确，Google算法早就不再使用PageRank了。

另外，点击率也是Google算法重要排名因素之一，但到目前为止，真实有效的Google点击器或Google快排这种东西还没有诞生，而百度对百度快排貌似已经放弃治疗了…这个是另一个话题，暂且不提。

为了验证这位前Google员工身份，SEO们已经做了人肉分析，结论是大概率是真的。这位员工名字是Jonathan Tang，Twitter账号在此，2009年至2014年在Google工作，他的Hacker News账号是2007年注册的，不大可能用这么老的账号来胡扯或造谣。

而且，这些年Google与SEO行业的官方沟通人JohnMu在Twitter上评论此事时并没有否认，只是说：

SEO们应该知道，20年来Google工程师不可能没有对搜索做出修改。

所以，虽然没有官方认证，但应该是真的。其实，Matt Cutts等人很早以前也表示过，Google算法肯定还是考虑链接的，而且链接依然是最重要的排名因素，PageRank以及Google排名的基本原理没有变化，但不可能这么多年原样不动地用PageRank的原始版本，肯定是修改过的了。

JohnMu去年也直接评论过PageRank的使用情况，表示现在的Google算法不可能还是一比一地原样用PageRank的最初公式。

前面提到，Google是从2016年取消工具条显示PR的，如果2006年就不再用PR了，那么2006年到2016年工具条上显示的PageRank是什么东西？

而且Google的另一位发言人Gary Illyes在2017年还发推明确说：“你们不知道吗，Google在18年后依然在排名算法中使用PageRank（还有几百个其它信号）。”

所以到底是在用还是不用了？

Jonathan Tang后续又解释了一下：

他们2006年用另一个算法取代了PR，那个算法给出的结果大致和PR相似，但计算速度快得多。工具条显示的宣称是PR的数值就是这个替代算法的结果。这个替代算法的名字都和PageRank相似，所以Google这么宣称，在技术上也不能说是错的。

所以，从2006年开始，Google算法中使用的、工具条所显示的，都不是原始PageRank计算公式的结果，而是一个结果类似、名称类似、计算速度快得多的算法。

我们姑且称之为Google新PageRank吧。

那么这个Google新PR的计算原理是什么？Jonathan Tang没说，连真实名称也没说，大家只能猜测了。

Jonathan Tang的帖子后面，专门研究Google专利的大神Bill Slawski发了个回复：

Google的新版本PageRank专利2006年通过。巧合？

Bill Slawski去年发帖详细介绍过这个新版本PageRank专利，这两天又仔细读了一下专利原文和Bill Slawski的帖子，这里介绍一下大意。

专利名称是Producing a ranking for pages using distances in a web-link graph – 基于链接距离的页面级别计算。

简单说，新PageRank不再计算导入链接的总数，而是计算这个页面与种子页面之间的距离，距离越近，页面质量越高，页面级别、新PageRank越高。这个思路和Yahoo!的TrustRank是极为相近的，基本假设都是：好网站不会链接向坏网站，但会链接向其它好网站。

这个专利涉及几个概念。种子页面（Seed Pages）、链接长度（Link Length）、链接距离（Link Distance）。

种子页面（Seed Pages）

如上面的简单网络链接图所示，Google选出一部分页面作为种子页面，如图中上半部分的页面106、108、110，下半部分的都是种子页面集之外的、需要计算新PR值的。

关于种子页面的几个要点：

• 种子页面显然是高质量的页面，专利里举的例子是Google目录（其实就是已经死了的开放目录）和纽约时报。
• 种子页面需要与其它非种子页面有很好的连通性，有比较多的导出链接指向其它高质量页面。
• 种子页面需要稳定可靠，有多样性，大范围覆盖各类主题。

链接长度（Link Length）

种子和非种子之间有的离得近，有的离得远。如种子页面106通过链接132直接连向非种子页面112，非种子页面118则没有种子页面直接连向它，要通过两层链接。

链接距离并不是简单地数链接层数。每个链接Google会计算一个链接长度，链接长度取决于链接本身的特征和链接所在页面的特征，比如页面上有多少链接，链接的位置，链接文字所用字体等等。

所以，同样是一个链接，链接长度是不一样的：

• 页面导出链接越多，链接长度越长。这和原始PageRank思路是一样的，导出链接越多，每个链接分到的权重越少。
• 链接所在位置越重要，比如正文中，正文靠前部分，链接长度越短。
• 链接锚文字字号越大，或者在H1中，可能链接长度越短。

我记得Matt Cutts很久以前在谈到PageRank可能的修正时提到过，正文中的链接和页脚的链接被用户点击到的概率显然差距很大，所以不同位置的链接获得的PR和权重应该是不一样的。这种说法很符合这个专利的意思。

链接距离（Link Distance）

链接距离就是页面与种子页面集合之间的最短链接长度之和。种子页面和非种子页面之间通常不止一条链接通路，如示意图中，页面118可以通过链接132、136从种子页面106到达，也可以通过链接134、142、140到达，还可以通过链接134、140到达，还可以通过其它链接从其它种子页面到达，所有这些从种子集到页面的链接通路中，链接长度之和最短的那个被定义为链接距离。

如果一个页面无法从任何种子页面出发访问到，也就是种子页面集合到这个页面完全没有链接通路，那么链接距离是无限大。

然后Google算法根据链接距离计算出一个页面的排名能力分数，也就是新PR值，最后的排名算法中，这个新PR值作为排名因素之一。也就是说，链接距离越短，离种子越近，Google认为页面越重要，排名能力越高。

链接距离的计算不需要迭代，所以比原版PageRank的计算要快得多，而在代表页面重要性上，我相信Google做过对比，准确性差不多，所以就用来代替原来的PR了。

专利最后面提到了另一个概念：简化链接网络图（Reduced Link-Graph），不过没有再说明这个概念有什么用，用一个段落说了简化链接网络图这个概念后专利就结束了。不过简化链接网络图有可能和链接质量判断、Penguin算法更新等相关。

在前面示意图中，所有页面之间的所有链接组成一个完整的链接网络图，其中只由最短链接距离通路组成的链接被称为简化链接网络图，也就是用来计算新PR值的那些链接。显然，简化链接网络图是完整链接网络的一个子集，不过每个页面的链接距离都已经保留在简化链接网络图中了，去掉的那些链接对页面链接距离和新PR值没有影响。在简化链接网络图中，每个页面获得的链接权重来源都是可以回溯到最近的种子页面的。

如果一个页面从种子集合完全没有链接通路可以到达，也就是前面说的链接距离为无限大，这个页面将被排除在简化链接网络图之外。如果一个页面得到的链接都来自简化链接网络之外，虽然链接总数可能很大，但其链接距离依然是无限大。

换句话说，在简化链接网络之外的链接是被忽略掉的，无论有多少链接。联想到Penguin 4.0算法更新，其中一个特征就是，垃圾链接是被忽略掉的，不被计入链接的流动中，这和基于链接距离的页面级别非常相似。