轉(zhuǎn)自：百度搜索研發(fā)部

我們向搜索引擎網(wǎng)站提交處理一個(gè)查問(wèn)，搜索引擎網(wǎng)站會(huì)從先到后列出數(shù)量多的結(jié)果，這些個(gè)結(jié)果排序的標(biāo)準(zhǔn)是啥子呢？這個(gè)看似簡(jiǎn)單的問(wèn)題，卻是信息檢索們研討的中心困難的問(wèn)題之一。

為理解釋明白這個(gè)問(wèn)題，我們來(lái)研討一個(gè)比搜索引擎網(wǎng)站更加古老的話(huà)題：求醫(yī)。譬如，假如我牙疼，應(yīng)當(dāng)去看怎樣的醫(yī)生呢？如果我只有三種挑選：

A醫(yī)生，既治眼病，又治胃?。?/p>

B醫(yī)生，既治牙病，又治胃病，還治眼病；

C醫(yī)生，專(zhuān)治牙病。

A醫(yī)生肯定不在思索問(wèn)題之列。B醫(yī)生和C醫(yī)生之間，貌視更應(yīng)當(dāng)挑選C醫(yī)生，由于他更專(zhuān)注，更適應(yīng)我的病情。如果再加一個(gè)條件：B醫(yī)生內(nèi)行，有二十年從醫(yī)經(jīng)歷，醫(yī)療技術(shù)高超，而C醫(yī)生只有五年從醫(yī)經(jīng)驗(yàn)，這個(gè)問(wèn)題不那末容易判斷了，是優(yōu)先挑選更加專(zhuān)注的C醫(yī)生，仍然優(yōu)先挑選醫(yī)療技術(shù)更加高超的B醫(yī)生，確實(shí)成了一個(gè)需求仔細(xì)衡量的問(wèn)題。

至少，我們獲得了一個(gè)論斷，擇醫(yī)需求思索問(wèn)題兩個(gè)條件：醫(yī)生的專(zhuān)長(zhǎng)與病情的適配程度；醫(yī)生的醫(yī)療技術(shù)。大家肯定感到這個(gè)論斷不容置疑，并且可以很天然地聯(lián)想到，搜索引擎網(wǎng)站排序不也是這么嗎，既要思索問(wèn)題網(wǎng)頁(yè)內(nèi)部實(shí)質(zhì)意義與用戶(hù)查問(wèn)的般配程度，又要思索問(wèn)題網(wǎng)頁(yè)本身的品質(zhì)。不過(guò)，怎么把這兩種因素接合起來(lái)，獲得一個(gè)，而不是兩個(gè)或多個(gè)排序標(biāo)準(zhǔn)呢？如果我們把這兩種因素表達(dá)成數(shù)字，的排序根據(jù)是把這兩個(gè)數(shù)字加起來(lái)，仍然乘起來(lái)，或是按決策樹(shù)的方法把他們團(tuán)體起來(lái)？若是加起來(lái)，是簡(jiǎn)單相加，仍然帶權(quán)重加呢？

我們可以依據(jù)直覺(jué)和經(jīng)驗(yàn)，經(jīng)過(guò)試錯(cuò)的方法，把這兩個(gè)因素接合起來(lái)。但更好的方法是我們能找到一個(gè)明確的根據(jù)，能跟算術(shù)這么堅(jiān)實(shí)的學(xué)科結(jié)合起來(lái)。提起來(lái)，根據(jù)素樸的經(jīng)驗(yàn)，人的總稱(chēng)在古代能建筑出高樓；但要建筑出高達(dá)數(shù)百米的 挨天大廈，假如沒(méi)有建造力學(xué)、材料力學(xué)這么堅(jiān)實(shí)的學(xué)科作為后盾，則是十分十分艱難的。同理，根據(jù)素樸的經(jīng)驗(yàn)構(gòu)建的搜索引擎網(wǎng)站算法，用來(lái)處置上萬(wàn)的網(wǎng)頁(yè)聚齊應(yīng)當(dāng)是沒(méi)問(wèn)題的；但要檢索上億的網(wǎng)頁(yè)，則需求更為堅(jiān)固的理論基礎(chǔ)。

求醫(yī)，病人會(huì)優(yōu)先挑選診斷正確、醫(yī)治效果好的醫(yī)生；對(duì)于搜索引擎網(wǎng)站來(lái)說(shuō)，普通按網(wǎng)頁(yè)滿(mǎn)意用戶(hù)需要的幾率從大到小排序。假如用q表達(dá)用戶(hù)給出了一個(gè)特別指定的查問(wèn)，用d表達(dá)一個(gè)特別指定的網(wǎng)頁(yè)滿(mǎn)意了用戶(hù)的需要，那末排序的根據(jù)可以用一個(gè)條件幾率來(lái)表達(dá)：

P（dq）

這個(gè)簡(jiǎn)單的條件幾率，將搜索引擎網(wǎng)站排序算法與幾率論這門(mén)堅(jiān)實(shí)的學(xué)科結(jié)合了起來(lái)，這像在滄海中航行的船舶裝備了南針同樣。利用貝葉斯公式，這個(gè)條件幾率可以表達(dá)為：

可以明白地看見(jiàn)，搜索引擎網(wǎng)站的排序標(biāo)準(zhǔn)，是由三個(gè)局部組成的：查問(wèn)本身的屬性P（q）；網(wǎng)頁(yè)本身的屬性P（d）；兩者的般配關(guān)系P（qd）。對(duì)于同一次查問(wèn)來(lái)說(shuō)，全部網(wǎng)頁(yè)對(duì)應(yīng)的P（q）都是同樣的，因?yàn)檫@個(gè)排序時(shí)可以不思索問(wèn)題，即

公式左面，是已知用戶(hù)的查問(wèn)，求網(wǎng)頁(yè)滿(mǎn)意該用戶(hù)需要的幾率。搜索引擎網(wǎng)站為了增長(zhǎng)響應(yīng)用戶(hù)查問(wèn)的性能，需求事前對(duì)所要等待查問(wèn)的網(wǎng)頁(yè)做預(yù)處置。預(yù)處置時(shí)，只曉得網(wǎng)頁(yè)，不曉得用戶(hù)查問(wèn)，因?yàn)檫@個(gè)需求倒過(guò)來(lái)計(jì)算，即剖析每個(gè)網(wǎng)頁(yè)能滿(mǎn)意哪一些需要，該網(wǎng)頁(yè)分了多大比例來(lái)滿(mǎn)意該需要，即獲得公式右面的第1項(xiàng)P（qd），這相當(dāng)于上文紹介的醫(yī)生的專(zhuān)門(mén)程度。譬如，一個(gè)網(wǎng)頁(yè)專(zhuān)門(mén)紹介牙病，另一個(gè)網(wǎng)頁(yè)既紹介牙病又紹介胃病，那末對(duì)于“牙疼”這個(gè)查問(wèn)來(lái)說(shuō)，前一個(gè)網(wǎng)頁(yè)的P（qd）值便會(huì)更高一點(diǎn)。

公式右面的第二項(xiàng)P（d），是一個(gè)網(wǎng)頁(yè)滿(mǎn)意用戶(hù)需要的幾率，它反映了網(wǎng)頁(yè)本身的好壞，與查問(wèn)無(wú)關(guān)。如果要向一個(gè)陌陌生人引薦網(wǎng)頁(yè)（我們并不曉得他需求啥子），那末P（d）相當(dāng)于某個(gè)特別指定的網(wǎng)頁(yè)被引薦的幾率。在傳統(tǒng)的信息檢索板型中，這一個(gè)量不太被看得起，如傳統(tǒng)的矢量空間板型、BM25板型，都打算只依據(jù)查問(wèn)與文檔的般配關(guān)系來(lái)獲得排序的權(quán)重。而其實(shí)，這個(gè)與查問(wèn)無(wú)關(guān)的量是十分關(guān)緊的。如果我們用網(wǎng)頁(yè)被過(guò)訪(fǎng)的頻次來(lái)估計(jì)它滿(mǎn)意用戶(hù)需要的幾率，可以看出對(duì)于兩個(gè)不一樣的網(wǎng)頁(yè)，這個(gè)量有著非常很大的差別：有的網(wǎng)頁(yè)每日只被過(guò)訪(fǎng)一兩次，而有的網(wǎng)頁(yè)每日被過(guò)訪(fǎng)成千累萬(wàn)次。能夠供給這么很大差別的量，竟長(zhǎng)時(shí)期被傳統(tǒng)的搜索引擎網(wǎng)站疏忽，一直到Google創(chuàng)造了pagerank并讓它參加到排序中。Pagerank是對(duì)P（d）值的一個(gè)不賴(lài)的估計(jì)，這個(gè)因素的參加使搜索引擎網(wǎng)站的效果迅即升漲到達(dá)一個(gè)新的階梯。

這個(gè)公式一樣應(yīng)答了上文提出的問(wèn)題，網(wǎng)頁(yè)與查問(wèn)的般配程度，和網(wǎng)頁(yè)本身的好壞，這兩個(gè)因素應(yīng)當(dāng)怎樣接合起來(lái)參加排序。這個(gè)公式以不可以反駁的理由奉告我們，假如網(wǎng)頁(yè)與查問(wèn)的般配程度用P（qd）來(lái)表達(dá)，網(wǎng)頁(yè)本身的好壞用P（d）來(lái)表達(dá)，那末應(yīng)當(dāng)按他們的乘積來(lái)施行排序。在現(xiàn)代經(jīng)濟(jì)活動(dòng)搜索引擎網(wǎng)站中，需求思索問(wèn)題更多更細(xì)節(jié)的排序因素，這些個(gè)因素有可能有結(jié)果百上千個(gè)，要把他們合成一體起來(lái)是更加復(fù)雜和難題。