PageRank死了吗——聊聊链接权重在现代搜索算法里的真实处境和遗传变异

每隔一段时间就有人在群里说"外链没用了""PageRank早就被砍掉了"。说这种话的人大概率没翻过GOOG在反垄断案里被迫披露的内部文档。PageRank从未被移除，但它已经不是1998年那个原始的迭代算法了。从公开信息和专利文献里可以拼凑出这条演化脉络，我把它分成三代来讲。

第一代就是经典的PageRank。核心逻辑是随机游走：一个用户随机点击链接浏览网页，链接就是投票，被越重要的页面链接过来，你获得的权重就越高。这一代最大的问题是链接买卖和垃圾评论链接几乎没有防御力——任何链接都被等权重地计入。第二代引入了TrustRank的概念：手动筛选一批可信赖的种子站点，只有被这些种子站点直接或间接链接到的页面才能获得初始信任值，完全孤立的垃圾集群被自动隔离。这代改进大幅削弱了纯垃圾链接农场的价值，但仍然没有解决链接和页面内容之间的语义错配问题——一个卖鞋的页面被一篇讲量子物理的论文链接了，这个链接的"语义纯度"显然不如被一个鞋评博主链接来得高。

第三代的能力跃迁就发生在这个"语义纯度"上。搜索引擎现在对链接的计算已经不是单纯的图算法了，而是一种复合评估——链接源页面的内容嵌入向量、链接锚文本的嵌入向量、链接目标页面的嵌入向量，三者之间的三角余弦相似度共同决定了这条链接在权重传播中的折扣系数。如果一个链接源的页面内容和你的页面内容在语义空间中距离很远，这个链接即使来自于一个高权重的域名，其传递的有效权重也会被大幅打折。反过来，一个来自小站但在语义上高度契合的链接，可能比十个来自大站但语义错配的链接更有价值。

在VP导航（vpis.cn）上，导航站本身就是一个经过人工筛选的链接集合，导航页面到各个被收录站点的链接可以视为一种类似TrustRank的种子信号——搜索引擎会给予这类从人工目录发出的链接较高的语义纯度评估。