Google 研究員 吳軍
自從有了搜索引擎，就有了針對搜索引擎網(wǎng)頁排名的作弊(SPAM)。以至于用戶發(fā)現(xiàn)在搜索引擎中排名靠前的網(wǎng)頁不一定就是高質(zhì)量的，用句俗話說，閃光的不一定是金子。
搜索引擎的作弊，雖然方法很多，目的只有一個(gè)，就是采用不正當(dāng)手
段提高自己網(wǎng)頁的排名。早期最常見的作弊方法是重復(fù)關(guān)鍵詞。比如一個(gè)賣數(shù)碼相機(jī)的網(wǎng)站，重復(fù)地羅列各種數(shù)碼相機(jī)的品牌，如尼康、佳能和柯達(dá)等等。為了不讓讀者看到眾多討厭的關(guān)鍵詞，聰明一點(diǎn)的作弊者常用很小的字體和與背景相同的顏色來掩蓋這些關(guān)鍵詞。其實(shí)，這種做法很容易被搜索引擎發(fā)現(xiàn)并糾正。
在有了網(wǎng)頁排名(page rank)以后，作弊者發(fā)現(xiàn)一個(gè)網(wǎng)頁被引用的連接越多，排名就可能越靠前，于是就有了專門賣鏈接和買鏈接的生意。比如，有人自己創(chuàng)建成百上千個(gè)網(wǎng)站，這些網(wǎng)站上沒有實(shí)質(zhì)的內(nèi)容，只有到他們的客戶網(wǎng)站的連接。這種做法比重復(fù)關(guān)鍵詞要高明得多，但是還是不太難被發(fā)現(xiàn)。因?yàn)槟切┧^幫別人提高排名的網(wǎng)站，為了維持生意需要大量地賣鏈接，所以很容易露馬腳。（這就如同造假鈔票，當(dāng)某一種假鈔票的流通量相當(dāng)大以后，就容易找到根源了。）再以后，又有了形形色色的作弊方式，我們就不在這里一一贅述了。
幾年前，我加入Google做的第一件事就是消除網(wǎng)絡(luò)作弊。在Google最早發(fā)現(xiàn)搜索引擎作弊的是Matt Cutts，他在我加入Google前幾個(gè)月開始研究這個(gè)問題，后來，辛格，馬丁和我先后加入進(jìn)來。我們經(jīng)過幾個(gè)月的努力，清除了一半的作弊者。(當(dāng)然，以后抓作弊的效率就不會有這么高了。）其中一部分網(wǎng)站從此"痛改前非"，但是還是有很多網(wǎng)站換一種作弊方法繼續(xù)作弊，因此，抓作弊成了一種長期的貓捉老鼠的游戲。雖然至今還沒有一個(gè)一勞永逸地解決作弊問題的方法，但是，Google基本做到了對于任何已知的作弊方法，在一定時(shí)間內(nèi)發(fā)現(xiàn)并清除它，從而總是將作弊的網(wǎng)站的數(shù)量控制在一個(gè)很小的比例范圍。
抓作弊的方法很像信號處理中的去噪音的辦法。學(xué)過信息論和有信號處理經(jīng)驗(yàn)的讀者可能知道這么一個(gè)事實(shí)，我們?nèi)绻诎l(fā)動機(jī)很吵的汽車?yán)镉檬謾C(jī)打電話，對方可能聽不清；但是如果我們知道了汽車發(fā)動機(jī)的頻率，我們可以加上一個(gè)和發(fā)動機(jī)噪音相反的信號，很容易地消除發(fā)動機(jī)的噪音，這樣，收話人可以完全聽不到汽車的噪音。事實(shí)上，現(xiàn)在一些高端的手機(jī)已經(jīng)有了這種檢測和消除噪音的功能。消除噪音的流程可以概括如下：

在圖中，原始的信號混入了噪音，在數(shù)學(xué)上相當(dāng)于兩個(gè)信號做卷積。噪音消除的過程是一個(gè)解卷積的過程。這在信號處理中并不是什么難題。因?yàn)榈谝唬嚢l(fā)動機(jī)的頻率是固定的，第二，這個(gè)頻率的噪音重復(fù)出現(xiàn)，只要采集幾秒鐘的信號進(jìn)行處理就能做到。從廣義上講，只要噪音不是完全隨機(jī)的、并且前后有相關(guān)性，就可以檢測到并且消除。（事實(shí)上，完全隨機(jī)不相關(guān)的高斯白噪音是很難消除的。）
搜索引擎的作弊者所作的事，就如同在手機(jī)信號中加入了噪音，使得搜索結(jié)果的排名完全亂了。但是，這種人為加入的噪音并不難消除，因?yàn)樽鞅渍叩姆椒ú豢赡苁请S機(jī)的（否則就無法提高排名了）。而且，作弊者也不可能是一天換一種方法，即作弊方法是時(shí)間相關(guān)的。因此，搞搜索引擎排名算法的人，可以在搜集一段時(shí)間的作弊信息后，將作弊者抓出來，還原原有的排名。當(dāng)然這個(gè)過程需要時(shí)間，就如同采集汽車發(fā)動機(jī)噪音需要時(shí)間一樣，在這段時(shí)間內(nèi)，作弊者可能會嘗到些甜頭。因此，有些人看到自己的網(wǎng)站經(jīng)過所謂的優(yōu)化（其實(shí)是作弊），排名在短期內(nèi)靠前了，以為這種所謂的優(yōu)化是有效的。但是，不久就會發(fā)現(xiàn)排名掉下去了很多。這倒不是搜索引擎以前寬容，現(xiàn)在嚴(yán)厲了，而是說明抓作弊需要一定的時(shí)間，以前只是還沒有檢測到這些作弊的網(wǎng)站而已。
還要強(qiáng)調(diào)一點(diǎn)，Google抓作弊和恢復(fù)網(wǎng)站原有排名的過程完全是自動的(并沒有個(gè)人的好惡），就如同手機(jī)消除噪音是自動的一樣。一個(gè)網(wǎng)站要想長期排名靠前，就需要把內(nèi)容做好，同時(shí)要和那些作弊網(wǎng)站劃清界限。
本文來自Google黑板報(bào)

最新評論