发现并利用最有价值的链接进行排序

在 Web 上，页面的访问往往由一个或多个有价值的链接来源引入。事实上，优质的反向链接是网页和网站的宝贵资源。我们提出发现并利用页面的最佳反向链接进行排序。类似于 PageRank，MaxRank 分数是{递归}更新的。具体而言，以概率 $\lambda$，文档的 MaxRank 从其具有最大分数的反向链接来源更新；以概率 $1-\lambda$，文档的 MaxRank 从随机反向链接来源更新。MaxRank 与 PageRank 存在有趣的关系。当 $\lambda=0$ 时，MaxRank 退化为 PageRank；当 $\lambda=1$ 时，MaxRank 仅关注其认为最佳的反向链接。在 Wikipedia 上的实证结果表明，全局权威节点具有非常大的影响力；总体而言，较大的 $\lambda$ 值（但小于 1）表现最佳：其收敛速度比 PageRank 快得多，但性能仍然相当。我们研究了这些来源的影响，并提出了一些度量指标，例如作为其他页面最佳反向链接的次数，以及所提算法的相关性质。引入最佳反向链接来源为链接分析提供了新的见解。除了排序，我们的方法还可用于发现页面或网站最有价值的链接来源，这对搜索引擎和网站所有者均有用处。