假設你出席一個演講場合，結果演講者全程使用日文，對於不懂日文的人來說，絕對是鴨子聽雷一樣，不知所云。

假設你出席一個演講場合，演講者雖然使用中文，但是卻有很重的口音，對於懂中文的人來說，雖然大略還是聽得懂意思，但是一定有部分內容會無法理解而忽略過去。

所以演講者要讓聽眾聽得懂演講的內容，當然要使用聽眾能夠瞭解的語言，並且必須很清楚的表達出來，其間不能有含混不清的地方。前者牽涉到技術性的，後者則牽涉到語文的呈現。

上面的例子跟搜尋引擎可解讀性(Interpretability)有什麼關係呢?

在網站與搜尋引擎的關係中，你的網站就是演講者，而搜尋引擎就是聽眾。

你的網站必須講搜尋引擎聽得懂的語言，也就是技術性相關，網頁的標準表示法，你的網站如果使用的表示法是搜尋引擎不懂的，那麼就無法讓搜尋引擎瞭解。例如你使用了javascript，是搜尋引擎不能或是不願意去解析的，那麼某些內容就會被丟棄。

如果別人的網站使用了semantic tag，但是你卻沒有使用，那麼搜尋引擎就會更瞭解別人的網站，而沒有辦法順利的處理你的網站資料。

所以要讓你的網站具有搜尋引擎可解讀性(Interpretability)，第一件事就是要使用搜尋引擎可以瞭解的標準表示法，並且正確的使用。

而另外一種情況是牽涉到語文的呈現，對網站而言就比較困難。因為你必須瞭解搜尋引擎是如何儲存你的網站資料。

這篇”專訪 Google 台灣總經理簡立峰，談網路搜尋難題“，提到一個事情，Google 台灣區總經理簡立峰說到一個小技巧：只要搜尋「的」這個字就可以知道有多少中文資料了，因為絕大多數的中文網站都會用到這個字。

其實Google 台灣區總經理簡立峰，應該只是為了要說給不太懂的人可以很快的瞭解，所以才用這個簡化的說法，因為簡立峰就是CKIP (Chinese Knowledge and Information Processing) 的專家。

在Google搜尋「的」這個字，所得到的資料筆數應該比實際上的資料筆數少很多，你也應該可以發現許多應該存在你的網站的字，透過Google是無法搜尋得到的，因為不一定都會被儲存為索引，許多詞組是被丟棄的。

Google如何決定哪些字詞應該被索引呢?

例如我們來看這個句子~ 「從架構為后談搜尋引擎可解讀性」，經過CKIP的分詞可得到其中一種剖析樹圖示如下:

所以被分詞為: [從] [架構為] [后談] [搜尋] [引擎] [可] [解讀] [性] 共8個。

如果都只取單一個詞組的話，[為后] 就搜尋不到了。

如果還取兩個詞組的話，就多出了[從架構為]、[架構為后談]、[后談搜尋][搜尋引擎][引擎可][可解讀][解讀性]，就可以搜尋到更多的結果了。如果還取三個或是以上的詞組的話，那就有更多的組合了。

當然Google不是使用CKIP，還有加強很多規則進去，但是絕對沒有不出錯的分詞系統，而不管再怎麼強的搜尋引擎，都不可能把你的網站進行全文索引，除非你的網站重要到不行，因此你的網站的語文呈現，要怎樣才不會讓搜尋引擎把重要的詞組丟棄，就是必須要考慮的問題。

所以要讓你的網站具有搜尋引擎可解讀性(Interpretability)，第二件事就是要瞭解搜尋引擎的索引規則，並且盡可能完整的呈現網站內容。

如果有任何寶貴意見，歡迎多多交流討論喔。

在前面也說過，Google的最初根基就是以Pagerank開始，因為網際網路本來就是一個網網相連的架構，透過連結分析(link analysis)確實可以找出網頁的相對重要性。

如果以Pagerank設計觀點來看，Wikipedia可以獲得很高的Pagerank數值，確實代表某些含意，這個含意的意義在於~ 沒有作假的情況下，受到許多網頁的連結。

但是也可能有另外一個網頁，經過作假之後，也把Pagerank衝到與Wikipedia一樣，但是這樣的Pagerank數據就沒有意義。但是這種情況會讓Wikipedia的Pagerank的值受到抵消而沒有那麼重要，因此這種情況就必須想辦法解決。

其實不只Pagerank，搜尋引擎本來就必須想辦法解決spam link(垃圾連結)的問題，因為不只影響網頁重要性的計算，也會影響相關性的計算。

所以Pagerank會不會因為無法解決spam link(垃圾連結)的問題，而讓Google放棄Pagerank呢? 機率是不太大的，因為如果無法解決spam link(垃圾連結)的問題，不是只有Pagerank失效，整個Google都會崩盤的。

所以Pagerank演算法只有改善一途，根本沒有放棄的餘地，頭都已經洗下去了，Pagerank的命運是跟Google掛在一起的。

那麼Pagerank要改善什麼呢?

主要就是要讓Pagerank能夠~ 快(Fast) 準(Accurate) 狠(Tough)，怎麼說呢?

快(Fast)就是要讓Pagerank計算越快越好，因為網頁越來越多，結構越來越複雜，要把全球網頁的Pagerank都計算出來，不是一件簡單的事情，因此如果不能加快Pagerank的計算，很難讓Pagerank能夠代表網頁的重要性。

準(Accurate)就是要讓Pagerank數值能夠代表網頁的相對重要性，以前很簡單的把網頁的Pagerank數值平均分佈出去就可以了，但是現在網頁上的連結情況已經跟以前不同，平均分佈已經不能代表公平性，因此就需要找出方法，讓Pagerank數值更公平的分佈。

狠(Tough)就是要讓作弊的假連結無所遁形，要把作弊的假連結全部砍斷。這個就是上面快跟準的基礎，沒有狠狠的把作弊的假連結統統抓出來，什麼都不必再談。所以這就是為什麼Google Penguin Update推出的原因，也就是為什麼前陣子JCPenney與BuildMyRank都被揪出來 … 因為Google要大張旗鼓的讓大家都知道: 不要做假連結。

所以只要做到~ 快(Fast) 、準(Accurate)、狠(Tough)，就能夠讓Pagerank重振雄風，並且讓Google的搜尋結果更有品質。

要如何改善，才能做到快、準、狠呢? 我們後續再來探討了。如果你有任何意見，歡迎交流討論囉。

由這篇論文”The Anatomy of a Large-Scale Hypertextual Web Search Engine“，可以看到更多Pagerank與Google的細節。

論文中說到Google的特點: “The Google search engine has two important features that help it produce high precision results. First, it makes use of the link structure of the Web to calculate a quality ranking for each web page. This ranking is called PageRank … Most search engines associate the text of a link with the page that the link is on. In addition, we associate it with the page the link points to.”

大致的翻譯是: Google搜尋引擎有兩個重要的特性，以協助產生精準的結果。第一個是Pagerank，第二個是Anchor text。Pagerank演算法是其他搜尋引擎所沒有的，而Goole不僅把anchor text與含有該anchor text的網頁相關，還與連往的網頁相關。

並且除此之外，還說到: “Aside from PageRank and the use of anchor text, Google has several other features. First, it has location information for all hits and so it makes extensive use of proximity in search. Second, Google keeps track of some visual presentation details such as font size of words. Words in a larger or bolder font are weighted higher than other words. Third, full raw HTML of pages is available in a repository.”

大致的翻譯是: Google還使用所有點選的資料，所以可以知道哪些資料是搜尋相關的。並且Google還使用排版性質的權重，如粗體或是較大的字體，並且將網頁完整的html內容存在資料櫃中。

所以從上面的資料可以瞭解，Pagerank在Google的份量是很重要的，也是Google與其他搜尋引擎競爭的最大優勢。

在這篇論文中，就很清楚的把後來的Pagerank演算法列出來如下:

PR(A) = (1-d) + d (PR(T1)/C(T1) + … + PR(Tn)/C(Tn))

也就是如下的樣子:

並且我們可以從以下的圖，看出來加入Pagerank之外的因素之後，Pagerank已經不是page rank，因為許多排名並不一定是Pagerank高的排在前面，之所以會這樣，就是因為已經加入諸如IR score等等因素。

什麼是IR Score? IR指information retrieval (資訊擷取)，就是從網頁內容中擷取有用的資訊，然後透過這些資訊去計分而得到IR score (資訊擷取分數)。而所謂有用的資訊就很多啦，這些內容講三天都講不完的啦，我們以後有空再聊。

在最後的結尾，談到了: “We are also working to extend the use of link structure and link text. Simple experiments indicate PageRank can be personalized by increasing the weight of a user’s home page or bookmarks. As for link text, we are experimenting with using text surrounding links in addition to the link text itself.”

大致翻譯如下: 在Pagerank以及anchor text(錨點文字)的使用上，Google還以加重跟使用者有關的網頁，而求得個人化的Pagerank，並不只考慮anchor text本身，還附加考慮其連結周圍的文字來計算相關性。

所以我們可以從這篇最早提出Google搜尋引擎的論文中，看到比較完整的Pagerank演算法，並且也看到當時Google已經都考慮到可能的缺點，並且持續用更多的實驗來改善。

那麼對於Pagerank本身可能的缺點，有哪些解決方法呢? 我們後續再來探討。如果你有其他寶貴意見，也歡迎你多多交流討論囉。

我們看看Pagerank的最早論文”The PageRank Citation Ranking: Bringing Order to the Web“，裡面說到Pagerank ~ “In order to measure the relative importance of web pages, we propose PageRank, a method for computing a ranking for every web page based on the graph of the web. PageRank has applications in search, browsing, and traffic estimation. ….. To test the utility of PageRank for search, we built a web search engine called Google”

翻譯: 為了測量網頁的相對重要性，我們提出了Pagerank，他是以網路上互連狀況為基礎，一個計算每個網頁排名的方法。Pagerank可以應用在搜尋、瀏覽、以及流量的預測，為了測試Pagerank在搜尋上的功能，我們建立了一個網路搜尋引擎叫做Google。

Pagerank是基於link analysis(連結分析)而來，並且跟學術上的citation analysis(引用分析)的原理是一樣的，其間的不同是學術上的引用，因為有審核程序，比較能夠保證品質，但是網頁上的連結則無法保證品質。因此，Pagerank的出發點就是為了要找出相對重要性，來確認網頁搜尋時可以進行品質過濾。

以下就是最早的Pagerank簡單版本。其中，u是一個網頁，R(u)表示該網頁的rank，網頁v是指連結指向u的網頁，R(v)表示該網頁的rank，N_v表示網頁v的連外連結總數量，也就是網頁v的outbound link總數。c是一個小於1的數字，可以讓網頁的排名總和是固定的。

這個簡單版本的Pagerank計算就可以用以下的樣子來表示。例如，當網頁A有100分時，有2個連外連結，則每個會傳遞100/2的數值出去。所以每個頁面的Pagerank就是把接收到的數值總和起來，再乘以一個數字c。

但是這個簡單版本的Pagerank會有問題產生，什麼問題呢? 就是所謂的rank sink (排名下沉)，就是當兩個網頁u,v只有互相連結，而沒有指向其他網頁，如果有另外一個網頁指向u或v其中，那麼在整個網頁的Pagerank計算當中，就會發生rank sink，也就是到達網頁u,v的Pagerank數值沒有出口。

因此就修正Pagerank演算法公式為以下的樣子:

上面多加了一個E(u)，這個東西有許多含意，可以指random surf(隨機瀏覽)的機率，並且這個值到底應該多少，是整個調整Pagerank很重要的參數。在論文中說到，||E||₁=0.15。

所以在Pagerank的Wikipedia頁面說到，Pagerank是一個probability distribution (機率分佈)，意思就是說Pagerank的計算是模擬人們在瀏覽頁面的樣子，從一個頁面透過連結去連到另外一個頁面，在連結過去的同時也把Pagerank數值傳遞出去，所以又產生了personalized Pagerank (個人化Pagerank) 的概念。

後來對於傳統Pagerank演算法的公式就寫成以下的樣子 (d代表一個參數，通常以0.85表示):

總體網頁的Pagerank計算，是一個不小的工程，他會有許多疊代的計算，如下圖，當Pagerank計算到某個階段，會開始收斂。

應該注意的是，這裡的公式所計算出來的Pagerank數值，並不是PR值，而必須再去對照總體的數值進行歸類，有人把這個對照表整理出來如下圖，但是因為不是Google官方的資料，因此只能當做參考:

上表的意思是，如果你的網頁有PR1的連結101個，你的網頁就可以達到PR2。如果你的網頁有PR2的連結18.362個，你的網頁就可以達到PR2 … 依此類推。

在最早提出Pagerank的時候，主要是要把Pagerank當成page rank (網頁排名) 的根據，也就是當以關鍵字篩選出網頁之後，再以Pagerank高低進行排序，就的到了最後的搜尋結果。

例如以university為關鍵字查詢，圖下兩個不同搜尋引擎的搜尋結果，左邊是Google(僅以網頁標題查詢並以Pagerank排序)的搜尋結果，右邊是Altavista搜尋引擎的搜尋結果。

上圖可以看出來，Google排名出來的都是大學的首頁，但是Altavista列出來的有許多是大學網頁的內頁。

所以最早的Pagerank確實就是page rank(網頁排名)，但是在論文中也坦承，這個方式會被有心人士運用，也就是假造連結，有的是購買較重要網頁的連結，或是購買大量次要的連結，這些行為確實會造成Pagerank無法真正表現用處。

後來Google網頁排名加入了許多參考因素(至少200多個)，因此網頁排名就不再是與Pagerank成正比，但是沒有造假的Pagerank數值還是可以看出網站的相對重要性，因此在自然的環境下，Pagerank可以代表網站的體質。

我們後續再來談Pagerank的演化以及相關研究。

我們將會以「SEO專家筆記」為主題，討論一系列應該深入研究的主題。第一波我們就來探討Pagerank，這個被許多人搞錯的重要問題。

要把Pagerank搞清楚，就必須先仔細閱讀以下兩篇Google創辦人~ Sergey Brin 以及Lawrence Page (Larry Page) 的論文:

The PageRank Citation Ranking: Bringing Order to the Web
The Anatomy of a Large-Scale Hypertextual Web Search Engine

以及我們之前談到Pagerank的文章:

Pagerank與Google Panda是否有關係?
Pagerank的重要性如何? 看看SEOmoz怎麼說!
Pagerank應有的認識，從今年第三次更新談起
Beyond Pagerank:Pagerank已經結束任務了嗎?
PostRank會不會取代PageRank? 兩者有何差異?
搜尋引擎優化作業應該如何看待Pagerank?
PageRank Algorithm : 別說你懂PR演算法
什麼是PageRank Hijack?
SERP v.s. PageRank : PR值與搜尋排前的關係
PageRank, BrowseRank, AlexaRank
Pagerank 演算法研究
搜尋行銷 : PageRank 的三兩事

如果以上的文章都還沒看過，我們以最簡單的敘述來整理一下對於Pagerank應有的認識:

(1) Pagerank是一個反應網站體質的指標。

(2) 就好像體溫一樣，如果你靠外力把體溫降到37度以下，並不代表你的病已經好了，最後還是得靠身體正常之後，溫度才會趨於正常。所以用作弊方式把Pagerank拉高，並不能代表你的網站體質。

(3) 觀察Pagerank的意義是: 可以知道你的網頁體質變化，並且採取步驟。

(4) 使用人為的方法去調整Pagerank，並不代表一定不好，如同在成長期經常打籃球，可以增高身高，打籃球或是運動就是正確的增高的方法。所以應該使用正確的方法，讓Pagerank成長，不一定是壞事。

(5) Pagerank在最早期剛提出來的時候，其實真的是page rank (頁面排名)，也就是Pagerank高的會排在前面，但是隨著評等因素越來越多樣，就不再與SERP成正比。

(6) 現在的Pagerank並不是指page rank，所以他跟SERP (Search Engine Results Page)並不會成正比。

(7) 網際網路最重要的就是網網相連，因此連結分析(link analysis)可以用來瞭解網頁間的關係，而Pagerank就是透過連結分析而得到的網頁品質指標。

(8) 在某種程度上，Pagerank也可以用來預測網頁的流量，也就是Pagerank越高，網頁流量會越高。但是這個預測會有所偏差，因為有些原因會影響隨機瀏覽 (random surf)，而影響瀏覽量大小。

(9) 使用rel=nofollow會切斷原本應該傳遞的Pagerank數值，但是這個被切斷的份額並不會讓給其他頁面。

(10) 並不是每個沒有使用rel=nofollow的連結，都一定會傳遞Pagerank數值。

許多人都認為Google很可能不再使用Pagerank，其實如果你閱讀過上面的文章，就可以知道，其實Pagerank是Google搜尋引擎的核心，只是這個核心需要找出方法來對抗spam，如果Google的Pagerank不再準確，那麼網頁的品質就沒有一個可以客觀度量的演算法。

因此，Google只會改善Pagerank演算法，而不會放棄，當然最後一招可能就是把Pagerank變成不再公開數值，但是不公開Pagerank也有一個壞處，就是無法讓使用者在未點選網頁之前瞭解該網頁的品質，也許等Google+1的數值更有參考價值的時候，就有可能讓Pagerank變成不公開，但是不太可能讓Pagerank演算法消失。

後續文章再來進一步探討Pagerank演算法的計算以及演進，也歡迎你多多交流討論囉。