大规模超文本搜索引擎剖析

这篇论文要解决的问题

搜索引擎要回答一个听起来很简单的问题：用户输入几个词之后，网页应该按什么顺序排出来？论文的标题同时交代了场景和对象——「大规模超文本」搜索引擎，其中「超文本」指的是网页之间由链接彼此相连这一事实。论文由 Sergey Brin 和 Lawrence Page 撰写，发表在 1998 年 4 月的第 7 届国际万维网大会论文集上^[1]。

两位作者做这项工作时是斯坦福大学计算机科学系的博士生^[2]。他们的出发点是网页自身的链接结构：他们提出了一种算法，统计指向某个网页的链接数量与链接质量，并用它搭建了 Google 搜索引擎^[2]。

排序是怎么做的

一条从某个页面指向另一个页面的链接，本身携带信息。被很多页面指向的网页，大致可以说是别人认为值得指过去的东西。统计这类链接的数量是算法的前半部分，后半部分则是链接的质量——并非每条链接的权重都相同，来自一个本身被大量链接的页面的链接，比来自无人问津的页面的链接更有分量。这就带来了递归：一个页面的重要性，取决于指向它的那些页面的重要性。由此得到的排序信号，就是后来所说的 PageRank^[2]。

这是从网页与链接构成的图中算出来的结构性信号，和网页上写了哪些文字无关。它回答的问题与「这个页面里有没有用户输入的词」并不相同：它问的是网页之间如何相互组织，并让这种组织方式影响结果的排列顺序。

发表与认可

论文发表于 1998 年的第 7 届国际万维网大会，IEEE Computer Society 把它与另一篇被大量引用的论文并列，作为对 Brin 和 Page 早期工作的描述^[2]。IEEE Milestones 的资料库中同时收录了这篇论文的短版本和长版本^[1]。它后来获得了 Seoul test-of-time 奖，这类奖项通常授予经受住时间检验的工作^[1]。

为什么重要

论文里的算法没有停留在研究结果上：Brin 和 Page 用它搭建了 Google 搜索引擎^[2]。搜索引擎的名字来自数学术语「googol」（表示一个极大的数），也反映了整理互联网上海量信息的使命^[2]。

对今天的读者来说，这篇论文记录的是一个具体的时刻：计算机科学系的两名博士生从网页的链接结构入手，在一篇会议论文里讲清了一个搜索引擎背后的排序思路。IEEE 资料库同时保存了短版本和长版本^[1]，让人可以看到同一套论证在会议场合和更长篇幅里分别是怎样展开的。