贝叶斯算法(bayesian)
今天来说说搜索引擎优化参考、影响SEO排名之一的：贝叶斯算法。
贝叶斯算法之源：Allan Borodin等提出了完全的贝叶斯统计方法来确定Hub和Authoritive网页[11]。假定有M个Hub网页和N个Authority网页，可以是相同的集合。每个Hub网页有一个未知的实数参数，表示拥有超链的一般趋势，一个未知的非负参数，表示拥有指向Authority网页的链接的趋势。每个Authoritive网页j，有一个未知的非负参数，表示j的Authority的级别。
统计模型：Hub网页i到Authority网页j的链接的先验概率：
P（i，j）＝Exp（＋）/（1＋Exp（＋））
Hub网页i到Authority网页j没有链接时，P（i，j）＝1/（1＋Exp（＋））
从以上公式可以看出，如果很大（表示Hub网页i有很高的趋势指向任何一个网页），或者和都很大（表示i是个高质量Hub，j是个高质量的Authority网页），那么i－>j的链接的概率就比较大。
贝叶斯统计模型的规范，要给2M＋N个未知参数（，，）指定先验分布，这些分布应该是一般化的，不提供信息的，不依赖于被观察数据的，对结果只能产生很小影响的。Allan Borodin等在中指定满足正太分布N（μ，）,均值μ＝0，标准方差δ＝10，指定和满足Exp（1）分布，即x>=0，P(>=x)＝P(>=x)＝Exp（－x）。
接下来就是标准的贝叶斯方法处理和HITS中求矩阵特征根的运算。简化的贝叶斯算法：Allan Borodin同时提出了简化的上述贝叶斯算法，完全除去了参数，也就不再需要正太分布的参数μ，δ了。计算公式变为：P（i，j）＝/（1＋），Hub网页到Authority网页j没有链接时，P（i，j）＝1/(1＋)。
Allan Borodin 指出简化的贝叶斯产生的效果与SALSA算法的结果非常类似。
作者：SEO Worth。来源：SEO排名优化价值原创。
版权所有，转载必须以链接的形式注明原始出处和本申明。
03月 12th, 2009 in SEO技术教程资料, 网站推广
随机文章：
