南京班德网络传媒||以求医为例谈搜索引擎排序算法的基础原理
　　我们向搜索引擎提交一个查询，搜索引擎会从先到后列出大量的结果，这些结果排序的标准是什么呢？这个看似简单的问题，却是信息检索专家们研究的核心难题之一。
　　为了说明这个问题，我们来研究一个比搜索引擎更加古老的话题：求医。比如，如果我牙疼，应该去看怎样的医生呢？假设我只有三种选择：
　　A医生，既治眼病，又治胃病；
　　B医生，既治牙病，又治胃病，还治眼病；
　　C医生，专治牙病。
　　A医生肯定不在考虑之列。B医生和C医生之间，貌视更应该选择C医生，因为他更专注，更适合我的病情。假如再加一个条件：B医生经验丰富，有二十年从医经历，医术高明，而C医生只有五年从医经验，这个问题就不那么容易判断了，是优先选择更加专注的C医生，还是优先选择医术更加高明的B医生，的确成了一个需要仔细权衡的问题。
　　至少，我们得到了一个结论，择医需要考虑两个条件：医生的专长与病情的适配程度；医生的医术。大家肯定觉得这个结论理所当然，而且可以很自然地联想到，搜索引擎排序不也是这样吗，既要考虑网页内容与用户查询的匹配程度，又要考虑网页本身的质量。但是，怎么把这两种因素结合起来，得到一个，而不是两个或多个排序标准呢？假如我们把这两种因素表示成数值，最终的排序依据是把这两个数值加起来，还是乘起来，或是按决策树的办法把它们组织起来？如果是加起来，是简单相加，还是带权重加呢？
　　我们可以根据直觉和经验，通过试错的办法，把这两个因素结合起来。但更好的办法是我们能找到一个明确的依据，最好能跟数学这样坚实的学科联系起来。说起来，依据朴素的经验，人类在古代就能建造出高楼；但要建造出高达数百米的  摩天大厦，如果没有建筑力学、材料力学这样坚实的学科作为后盾，则是非常非常困难的。同理，依据朴素的经验构建的搜索引擎算法，用来处理上万的网页集合应该是没问题的；但要检索上亿的网页，则需要更为牢固的理论基础。
　　公式左边，是已知用户的查询，求网页满足该用户需求的概率。搜索引擎为了提高响应用户查询的性能，需要事先对所有待查询的网页做预处理。预处理时，只知道网页，不知道用户查询，因此需要倒过来计算，即分析每个网页能满足哪些需求，该网页分了多大比例来满足该需求，即得到公式右边的第一项P(q|d)，这相当于上文介绍的医生的专门程度。比如，一个网页专门介绍牙病，另一个网页既介绍牙病又介绍胃病，那么对于"牙疼"这个查询来说，前一个网页的P(q|d)值就会更高一些。
　　公式右边的第二项P(d)，是一个网页满足用户需求的概率，它反映了网页本身的好坏，与查询无关。假如要向一个陌生人推荐网页（我们并不知道他需要什么），那么P(d)就相当于某个特定的网页被推荐的概率。在传统的信息检索模型中，这一个量不太被重视，如传统的向量空间模型、BM25模型，都试图只根据查询与文档的匹配关系来得到排序的权重。而实际上，这个与查询无关的量是非常重要的。假如我们用网页被访问的频次来估计它满足用户需求的概率，可以看出对于两个不同的网页，这个量有着极其巨大的差异：有的网页每天只被访问一两次，而有的网页每天被访问成千上万次。能够提供如此巨大差异的量，竟长期被传统的搜索引擎忽略，直到Google发明了pagerank并让它参与到排序中。Pagerank是对P(d)值的一个不错的估计，这个因素的加入使搜索引擎的效果立即上升到了一个新的台阶。
　　这个公式同样回答了上文提出的问题，网页与查询的匹配程度，和网页本身的好坏，这两个因素应该怎样结合起来参与排序。这个公式以不可辩驳的理由告诉我们，如果网页与查询的匹配程度用P(q|d)来表示，网页本身的好坏用P(d)来表示，那么应该按它们的乘积来进行排序。在现代商业搜索引擎中，需要考虑更多更细节的排序因素，这些因素可能有成百上千个，要把它们融合起来是更加复杂和困难的问题。
　　"南京班德网络传媒"全称"南京班德网络文化传媒有限公司"。是一家集营销策划、品牌传播、广告制作、口碑营销于一体的营销传媒机构。迄今服务过数十家大中型医疗集团。公司目前有正式员工150余人，共设立研发部、媒介部、人事行政部、技术部、营销部、事业发展部。
　　南京班德网络传媒通过多年大量时间整合了全国二十多家门户及新闻门户网站资源，开始积极投入到医疗健康、教育培训、旅游、地产等领域的应用和推广，班德传媒秉承为用户提供"超出期望"的网络营销服务为宗旨，并积极倡导规范化经营和4A级服务的运营理念。
　　本文作者：梁静，从事电子商务网站策划建设、整形医院网络推广营销管理工作。长期致力于民营医院网络营销及运营研究，欢迎交流指导。
　　http://www.czyl.com/
　　QQ：97668155