Categories


Tags


搜索引擎链接分析中的链接优化

感谢Lenny投稿

在网站优化中,常常提到的“内容为王,链接为皇”现在已经不止是这么两点了,另外还有用户体验综合因素在内,内容为王,链接为皇,加上用户体验其实就是三代搜索引擎的各自看重点,其中链接分析也算是运用得最火的技术,在很多黑帽SEO中也有许多技巧都是根据链接分析的漏洞来放大利用。今天成都SEO就来总结一下搜索引擎链接分析的算法。

搜索引擎链接分析中最重要的两个算法要属于PageRank和HITS算法了,两个分别是从随机游走模型和子集传播模型两大模型来计算链接权重的传递方式。

搜索引擎链接分析中的链接优化 SEO 好文分享 第1张

先来看看PageRank算法,PageRank算法是随机游走模型发展来的,PageRank主要是考虑入链数量和网页质量两个因素来判断一个网页的重要性。但是由于PageRank没有考虑到主题相关性的问题,然后就延伸出了主题敏感PageRank算法,也叫作Topic Sensitive PageRank,加强了主题相关性链接的权重值。同时又有人研究出了智能游走模型和偏置游走模型两个链接算法,这两个算法弥补了PageRank的随机式,因为在正常人浏览网页时不可能是随机点击页面上的链接,而是相关性的链接获得点击的可能性更大。

然后是子集传播模型下的延伸:HITS算法。HITS算法定义了两个页面,分别是Hub页面和Authority页面,Hub页面指包含很多高质量Authority页面链接的页面,比如hao123就是这类页面;Authority页面是某个领域和话题相关的高质量页面,类似于SEO领域的SEOWHY,搜索引擎里的百度,Google。HITS就是相互扶持,一个好的Hub页面必定指向很多好的Authority页面,一个好的Authority页面必定有很多好的Hub页面指向。

HITS算法的问题还是比较明显的,比如很容易被恶意利用,结构不稳定,计算效率低等原因,后来也就引申出了PHITS算法,这里就不再多做说明了。

鉴于PageRank算法和HITS算法的优缺点,又研究出了SALSA算法,主要利用了HITS算法的相关性特点,同时利用了PageRank算法的随机游走模型,也是目前链接分析算法效果最好的算法之一了。

感谢Lenny投稿,文章地址:http://xlenny.com/network/700.html

来源:卢松松博客


Public @ 2011-02-22 16:21:57

HITS算法

HITS算法(Hypertext-Induced Topic Selection),也称为Hubs and Authorities algorithm,是一种用来计算图中节点相对重要性的算法。它是Larry Page and Sergey Brin 在1998年首次提出,以提高他们搜索引擎Google的网页检索准确性。HITS算法通过分析不同节点间的连接关系来鉴定节点的重要性分数:一个节点

Public @ 2023-02-27 07:00:50

了解什么是PR

PR是Google排名算法的200多个因素之一,而且重要性已经下降很多。当然,PR还是Google排名算法中的重要因素之一。除了直接影响排名,PR的重要性还体现以下几点。(1)网站收录深度和总页面数。搜索引擎蜘蛛爬行时间及数据库的空间都是有限的。对大中型网站来说,首页PR值是带动网站收录的重要因素之一。(2)更新频率。PR值越高的网站,搜索引擎蜘蛛访问得就越频繁,网站上出现新页面或旧页面上内容更新

Public @ 2020-03-21 15:39:10

搜索引擎链接分析中的链接优化

链接优化(link optimization)在搜索引擎链接分析中是一个重要的优化手段,旨在获得高质量的反向链接(inbound links)来提高网站在搜索引擎中的排名和流量。 链接优化的策略包括以下几点: 1. 内部链接优化: 通过合理的内部链接(也称为网站内部链接),可以将网站的权重分配给关键页面,提高页面的权重和排名。内部链接的优化包括主导性的网站导航、页面之间的链接及链接锚文字的选

Public @ 2023-04-03 10:00:19

搜索引擎链接分析中的链接优化

链接优化是指通过分析搜索引擎对链接的权重评估标准,优化网站内部链接和外部链接,以提高网站相关性、权威性和排名,增加流量和曝光度的过程。 常见的链接优化技术包括: 1. 内部链接优化:通过在网站内部添加相关链接、使用含有关键词的锚文本或链接标题等手段,提高网站内页面之间的联系和权重分配,增加搜索引擎对网站内容的理解和评价,提高排名。 2. 外部链接优化:通过在其他网站、社交媒体、论坛、博客等平

Public @ 2023-06-14 18:50:33

更多您感兴趣的搜索

0.504201s