我們向搜索引擎提交一個查詢，搜索引擎會從先到后列出大量的結果，排序的不同帶來的經濟效應也不同，我們想要的就是讓自己的搜索結果靠前，最好是能得到NO.1。那么這些搜索結果排序的標準是什么呢？

還是看看百度搜索研發(fā)部以求醫(yī)為例談搜索引擎排序算法的基礎原理。

比如，如果我牙疼，應該去看怎樣的醫(yī)生呢？假設只有三種選擇：

A醫(yī)生，既治眼病，又治胃病；

B醫(yī)生，既治牙病，又治胃病，還治眼病；

C醫(yī)生，專治牙病。

A醫(yī)生肯定不在考慮之列，B醫(yī)生和C醫(yī)生之間，貌視更應該選擇C醫(yī)生，因為他更專注，更適合我的病情。假如再加一個條件：B醫(yī)生經驗豐富，有二十年從醫(yī)經歷，醫(yī)術高明，而C醫(yī)生只有五年從醫(yī)經驗，這個問題就不那么容易判斷了，是優(yōu)先選擇更加專注的C醫(yī)生，還是優(yōu)先選擇醫(yī)術更加高明的B醫(yī)生，的確成了一個需要仔細權衡的問題。

至少，我們得到了一個結論，擇醫(yī)需要考慮兩個條件：醫(yī)生的專長與病情的適配程度、醫(yī)生的醫(yī)術。大家肯定覺得這個結論理所當然，而且可以很自然地聯(lián)想到，搜索引擎排序不也是這樣嗎，既要考慮網頁內容與用戶搜索查詢的匹配程度，又要考慮網頁本身的質量。

但是，怎么把這兩種因素結合起來，得到一個，而不是兩個或多個排序標準呢？簡單的加減乘除是不夠嚴謹?shù)模詈媚芨鷶?shù)學這樣堅實的學科聯(lián)系起來。人類在古代就能建造出高樓，但要建造出高達數(shù)百米的摩天大廈，如果沒有建筑力學、材料力學這樣堅實的學科作為后盾，則是非常非常困難的。同理，搜索引擎算法要處理上億的網頁，也需要更為牢固的理論基礎。

求醫(yī)，病人會優(yōu)先選擇診斷準確、治療效果好的醫(yī)生。而對于搜索引擎來說，一般按網頁滿足用戶需求的概率從大到小排序。如果用q表示用戶給出了一個特定的搜索查詢，用d表示一個特定的網頁滿足了用戶的需求，那么排序的依據(jù)可以用一個條件概率來表示：

這個簡單的條件概率，將搜索引擎排序算法與概率論這門堅實的學科聯(lián)系了起來。可以看到，搜索引擎的排序標準，是由三個部分組成的：搜索查詢本身的屬性P(q)、網頁本身的屬性P(d)、兩者的匹配關系P(q|d)。對于同一次查詢來說，所有網頁對應的P(q)都是一樣的，因此排序時可以不考慮，即

搜索引擎為了提高響應用戶搜索查詢的性能，需要事先對所有待查詢的網頁做預處理。預處理時，搜索引擎預處理只知道網頁，還不知道用戶查詢，因此需要倒過來計算，即分析每個網頁能滿足哪些需求，該網頁分了多大比例來滿足該需求，即得到公式右邊的第一項P(q|d)，這相當于醫(yī)生的專注程度。

比如，一個網頁專門介紹牙病，另一個網頁既介紹牙病又介紹胃病，那么對于“牙疼”這個查詢來說，前一個網頁的P(q|d)值就會更高一些。

公式右邊的第二項P(d)，是一個網頁滿足用戶需求的概率，它反映了網頁本身的好壞，與查詢無關。假如要向一個陌生人推薦網頁(我們并不知道他需要什么)，那么P(d)就相當于某個特定的網頁被推薦的概率。在傳統(tǒng)的信息檢索模型中，這個不太被重視，之前都試圖只根據(jù)查詢與文檔的匹配關系來得到排序的權重。而實際上，這個與查詢無關的量是非常重要的。

假如我們用網頁被訪問的頻次來估計它滿足用戶需求的概率，可以看出對于兩個不同的網頁，這個量有著極其巨大的差異：有的網頁每天只被訪問一兩次，而有的網頁每天被訪問成千上萬次，這對于排序非常重要。

總而言之，這個公式模型告訴了我們網頁與查詢的匹配程度，和網頁本身的好壞都是參與排序排名的重要因素。

怎么樣？文章中的內容在現(xiàn)在是不是有很多都似曾相似，是不是在互聯(lián)網上看到很多文章都和這類似？其實很多內容都是從這里衍生出去的。比如搜索引擎的綜合得分排序、比如關鍵詞與網頁內容的相關度、比如網頁本身好壞對排序影響等等。

一個最簡單的例子，著名的搜索引擎排序算法pagerank算法，其實就是為了彌補傳統(tǒng)算法對P(d)值（頁面本身好壞判斷）的不足而產生的，Pagerank是對網頁好壞判斷的一個不錯的標準。而現(xiàn)在的網頁點擊量、停留時間、跳出率、頁面訪問速度等都是對網頁滿足用戶需求概率的預估，這一個因素越來越重要。

其實也是大篇幅的在談談網頁本身好壞這一點。隨著用戶時代來臨，用戶投票越來越影響搜索排名，而用戶主要衡量的除了需求滿足外就是網頁本身質量。所以，網頁本身質量不管對于用戶還是搜索引擎，在排序上都變得越來越重要。

一句話，很多時候需要透過現(xiàn)象去看本質，而你看透這個本質后，再看其他現(xiàn)象，一切都那么明了。謝謝閱讀，希望能幫到大家，請繼續(xù)關注腳本之家，我們會努力分享更多優(yōu)秀的文章。