有些人會認為，既然link farm (連結農場) 有以下的連結特性 (如下圖)，因此就會思考做出不一樣的連結狀態。

(資料來源: A New Enhanced Technique for Link Farm Detection)

例如刻意在許多頁面，連結到無辜的第三者網站或是政府網站。

其實這樣的作法還是沒有辦法躲避偵測，因為連結農場可以自己操作連外的連結，但是沒有辦法「自然的」操作連進來的連結。

頂多可以購買少數的高Pagerank的網站來抬高身價，但是要達成多樣性且高品質的話，所花的代價根本不敷成本。

並且故意連結到無辜的第三者網站，更容易因為第三者網站的外部連結報告 (如Google網站管理工具)，而自曝身份。所以要把人為連結操作到自然並且有效，除非投入大量的人力與財力，否則是不可能有效的。就算短期有效果，隨著搜尋引擎的演算法改善，更可能一夕完全失效。

除了透過link schemes之外，還可以透過內容與連結的相關性來瞭解link farm。也就是在”連結不是原罪，Google也不是大神“說過的，連結最基本的規範 = 客戶必須知情 or 內容必須相關。如果在網頁內容插入不相關的連結，並且沒有NoFollow，如果不相關連結類型的數目越多，則就越可能是link farm。

網站是否為link farm (連結農場)， 其實只需要看整體連結狀態，以及整體不相關非NoFollow的連結數目，就可以知道。

但是相關性如何判斷呢 ? 之前曾經在”搜尋引擎知道網頁內容是否相關 (relevant content)?“提過，我們再來仔細的看看。

最經常被用來判斷文件相關性的方法，有TF-IDF、Euclidean Distance、Cosine Similarity、Jaccard Coefficient、Pearson Correlation Coefficient … 等等。

為了正確的瞭解這些演算法是否可以自動判讀文件相關性，我們以下列的流程來進行實驗，並且檢定出有顯著改善的演算法 :

上面的步驟分成三大程序:

第一步是由已經人工分類的DMOZ中倒出所有的資料，匯入MySQL中，以備後面程式使用。

第二步是資料的預處理步驟，先進行網頁資料抓取，然後取出我們需要的資料，分成英文與中文分別處理字詞的分析，讓抓取的資料還原到基本的單詞。

第三步就是把第二步處理過的資料，進行演算法計算與比較。由此便可以知道各演算法計算出的相關性數值，並且比較各種不同演算法的精準度。

結果發現所有的演算法在所有的資料實驗中，其精準度都達80%以上，並且某些演算法其精準度還達90%以上。

這個代表的是: 使用最簡單的方法、以最便宜的硬體，就可以快速輕易的知道網頁間的相關性。所以Google等搜尋引擎會不知道嗎? 當然會比我們更清楚。所以各種SEO的作弊行為，其實應該可以退場了，好好的進行真正的網站優化才是上策。

搜尋引擎在瞭解網頁間的關係，會以錨點文字(anchor text)，與網頁的內容來進行判斷，並且對於人為連結(link spam)與關鍵字充塞(keyword stuffing)會有演算法偵測。

例如下圖一是正常頁面與對外連結的相關性統計圖:

而下圖二是比較不正常頁面與對外連結的相關性統計圖:

上面兩個圖的差異在哪裡呢? 正常頁面與連外頁面，大多保持特定的相關性。不正常頁面與連外頁面，其相關性的數據就有非常大的變動。

圖一的相關性數據普遍都比圖二來得高，圖二的相關性數據相對來說比較低。

這些計算可以不只單純比較字面上的意義，也可以比較語意上的關係。就算你用人為連結(link spam)與關鍵字充塞(keyword stuffing)試圖影響計算，還是會有許多訊號會顯示出來。

再如下圖三，紅色的點表示內容相關網頁的相關性，在每次計算中都可以看出來，都會比不相關內容的數值來得高。

本文的目的不是想要分析網頁內容相關性如何計算，而是要說搜尋引擎已經非常瞭解網頁內容與網頁間的關係，搜尋引擎所不知道的是~ 使用者到底需要搜尋什麼? 也就是當你下一個關鍵字，他比較無法從單一關鍵字去瞭解使用者意圖，所以未必能夠把你最需要的資料顯現出來。

所以人為連結(link spam)與關鍵字充塞(keyword stuffing)是否會被抓出來? 如果你操作的結果已經大到足以影響搜尋結果，當然會被抓出來，而如果只是少量的操作，搜尋引擎也未必有時間理你。當人為連結與關鍵字充塞都被抓出而排除之後，頁面間的相關性訊號就可以透過內容的統計來得到相關性數據。

所以當你的連結相關性不夠強的時候，這個連結的品質就不會太好囉。

我們先來看看Angstro在TechCrunch TC50的介紹影片

Ångströ 這個名字是由ångström (埃Å) 而來，它是測量原子尺寸的微小單位，1Å=0.1奈米，因此Ångströ 是要表示他能夠高度聚焦相關資料，也就是從大量的訊息中，抓出相關的資料。

這篇報導”Google Acquires Angstro, a Social Networking Start-Up“說到，Rohit Khare很可能會加入Google社交網路團隊，但是僅是猜測，並未獲得證實。

Google近期陸續收購了Zynga、Jambool、Slide、Aardvark，跟這次的Angstro，全部都跟社交網路有關係，所以Google的社交網路佈局已經越來越明顯了，而且除了原本Facebook之類的功能之外，應該還有跟知識社交相關的功能。

Angstro是創於美國加州的公司，初始基金只有美金$225,000，我們再來看看Angstro在TC50的功能介紹影片 …

Angstro除了可以應用在社交網路之外，還可以改善Google Alerts (快訊) 的精準度，還可以提高Google搜尋的命中率，到底Google會把Angstro應用在哪裡呢?