外链权威与PageRank:链接投票为何在现代搜索大幅贬值

上一篇我们得出一个结论：排序的重心是权威性，而权威性最强的来源是链接。这一篇要把这句话拆到底——为什么一个页面的权威，几乎不取决于它自己，而取决于「谁指向它」。

这是搜索引擎最深刻、也最优雅的一个思想：把「权威」这个看似主观的概念，还原成一个可计算的、图论上的客观量。理解了它，你才真正理解外链、友情链接、权重传递这些 SEO 词汇背后到底在发生什么——以及为什么这套「投票制度」发展到今天，已经大规模贬值。 这后半句才是本篇真正想讲透的：先把机制讲清，再看它如何在对抗中退化成今天的样子。

一、权威性是一个关系属性，不是内在属性

先问一个哲学味的问题：一个网页凭什么「权威」？

直觉答案是「因为它内容好」。但内容好是个几乎无法被机器直接、可靠地判定的量。搜索引擎早期的洞察是绕开这个难题，改用一个可观测的代理信号：看有多少页面、以及多权威的页面，愿意链接到它。

这个思路把权威从「页面的内在属性」转化成了「页面在网络中的关系属性」。一个链接，本质是一次投票——作者用一个超链接说：「这个页面值得一看」。于是：

一个页面的权威 = 指向它的那些页面的权威之和（按某种方式加权）。

注意这个定义是递归的：要算 A 的权威，得先知道指向 A 的 B、C、D 的权威；而 B 的权威又取决于指向 B 的页面……这个看似循环的定义，恰恰是它最强大的地方——它有一个数学上的稳定解。

二、PageRank：随机游走的稳态分布

把上面的递归定义写成数学，就是 PageRank。设页面 $p$ 的入链集合为 $B_p$ ，页面 $q$ 的出链数为 $L(q)$ ，则：

PR(p) = \frac{1-d}{N} + d \sum_{q \in B_p} \frac{PR(q)}{L(q)}

其中 $N$ 是页面总数， $d$ 是阻尼系数（damping factor，经典取 $0.85$ ）。这个式子有一个极美的解释——随机游走模型（random surfer）：

想象一个人在网上漫游，每一步有 $d$ 的概率沿当前页面的某条出链跳走，有 $1-d$ 的概率随机跳到任意页面。让他走无穷多步，他停留在每个页面上的长期概率分布，就是 PageRank。权威页面之所以得分高，是因为「随机游走者更容易走到那里」。

从线性代数看，PageRank 是转移矩阵的主特征向量（principal eigenvector），即所谓的特征向量中心性（eigenvector centrality）：

\mathbf{PR} = d\,M\,\mathbf{PR} + \frac{1-d}{N}\mathbf{1}

注意 $\frac{PR(q)}{L(q)}$ 这一项的含义：权威会被出链数稀释。 一个页面链出去越多，它转移给每个目标的权威就越少。这解释了为什么来自一个「专注、克制地推荐」的页面的链接，比来自一个「链接满天飞」的页面的链接更值钱。

三、HITS：枢纽与权威的对偶

PageRank 给每个页面一个分数。HITS（Kleinberg, 1999）则提出了一个更精细的对偶结构：把页面的角色拆成两种。

权威页（Authority）：被很多好枢纽指向的页面（内容源）。
枢纽页（Hub）：指向很多好权威页的页面（导航 / 资源列表）。

二者互相定义、互相强化：

\text{auth}(p) = \sum_{q \to p} \text{hub}(q), \qquad \text{hub}(p) = \sum_{p \to q} \text{auth}(q)

一个好权威被好枢纽认证，一个好枢纽因为指向好权威而有价值。这个对偶捕捉到了一个 PageRank 忽略的现象：有些页面自身不是内容源，但它「懂得链接到谁」——这本身就是一种价值。同质网页之间建立链接图、计算相互推荐权重的做法，正是这一思想的工程化。

四、锚文本：权威是「针对某个词」的

到这里还缺一块拼图：PageRank 是主题无关的全局分——它只说「这个页面很权威」，不说「它在什么主题上权威」。但真实排序需要的是后者：一个医学站在医学 query 上权威，不代表它在体育 query 上也权威。

补上这块拼图的，是锚文本（anchor text）。当页面 B 用「深度学习教程」这段文字链接到 A 时，它同时传递了两个信息：一票权威（来自 B），以及这票权威是投给「深度学习教程」这个主题的。搜索引擎把入链的锚文本聚合起来，就得到了「A 在哪些 term 上被公认权威」的画像：

把 from-url 的权威分，顺着链接转移到锚文本上，再按 term 在锚文本中的重要度分配到每个 term——于是权威从「页面级」细化到了「页面 × term 级」。

这也对应着主题敏感 PageRank（topic-sensitive PageRank）（Haveliwala, 2002）的思路：不算一个全局分，而是针对不同主题分别计算权威。结论是：权威性从来不是一个标量，而是一个「在哪些主题 / 词上权威」的向量。 你不是「权威」，你是「在某个领域权威」。

五、TrustRank 与信任的寡头化：投票制度如何贬值

链接即投票，那么只要伪造大量投票不就行了？这正是链接分析诞生第一天起就要面对的对抗——链接农场（link farm）、批量互链、买卖链接。

第一代对抗的核心思想是 TrustRank（Gyöngyi et al., 2004）：信任从少数人工审核过的可信种子站点出发，沿链接传播，且随距离衰减。

\mathbf{t} = \alpha\, M\, \mathbf{t} + (1-\alpha)\,\mathbf{s}

其中 $\mathbf{s}$ 是种子集的信任分布（只有可信种子非零）， $\alpha$ 控制传播衰减。直觉是：好站点很少会链接到垃圾站点。 离可信种子越近（跳数越少）的页面越可能可信；那些只在彼此之间抱团互链、却拿不到任何可信种子信任流入的页面，会暴露为可疑集群。

真正要看清的，是这个 $\alpha$ （衰减）被逐年调狠之后发生的事。TrustRank 早期，信任还能沿链接传好几跳；而在被链接农场反复攻击之后，现代引擎把信任的有效传播半径压得极短——信任几乎不再经由普通中间节点转发。数学上，当 $\alpha$ 足够小、种子集足够收窄， $\mathbf{t}$ 的质量会高度集中在种子及其一跳邻域，绝大多数页面拿到的种子信任流入趋近于零。结果是一次深刻的相变：

同时，几类模式会被直接判负而非仅仅无效：互惠 / 交换链接（A↔B 对等互链）按类型施加重折扣；紧密抱团、对外拿不到可信指向的子图是典型作弊指纹；入链锚文本高度雷同、精确堆同一关键词，本身就是不自然信号。制造链接容易，制造「从可信种子流出、且拓扑自然」的链接——在寡头结构里近乎不可能。

六、这对 SEO 意味着什么：链接权威已大幅弱化，只剩一条窄门

把上面的图论落到今天的实践，结论比多数 SEO 认知要冷峻得多：

普通外链的边际权威，约等于零。 买链、换链、论坛与目录签名链、站群互链——这些制造出的链接，源头都在信任寡头结构的外围，拿不到种子信任流入，相加仍趋近于零；反作弊还会因其不自然而倒扣。把资源投在堆外链上，是在优化一个面值已被清零的维度。 现代引擎对链接信号的整体倚重也在下降——它有了点击-query 权威、内容质量、站点领域权威等更难伪造的信号，不必再像早期那样重仓一个已被反复攻破的维度。

唯一还能立竿见影的，是极少数被引擎「直接信任」的核心节点的背书。 大型内容平台、权威新闻源、官方目录这类处于信任图核心（种子或其一跳邻域）的节点——在这类平台上产生的内容，天然继承了平台的一部分种子信任，绕过了普通链接图层层衰减到零的命运。这就是为什么「在被引擎直接信任的大平台上发带链接的内容」有时效果立竿见影：它走的不是普通投票通道，而是站点级信任的直接传导。

但这条窄门有两道闸，注定它「来得快、去得也快」。

这也再次划出快排的一重边界。 快排能高效积累的是点击-query 权威（CQ）——头部信号的一族；但另一族——链接与站点的图结构信任——它撬不动：你可以制造点击，却制造不出从可信种子流出的信任。普通链接刷不出来（面值已清零），核心节点的信任又租不到持久产权（平台随时回收）。继召回够不到之后，这是它的又一重边界。

小结

权威性不是页面的内在属性，而是它在链接图上的位置——一个由随机游走稳态（PageRank）、枢纽-权威对偶（HITS）、锚文本主题化、信任传播（TrustRank）共同刻画的、图论上的可计算量。但在与作弊的长期对抗中，这套「投票制度」已经从民主退化为寡头：信任的有效传播半径被压到极短，普通链接的面值趋近于零，「堆外链」这条路在结构上死掉了。今天还有即时效力的，只剩一条窄门——来自被引擎直接信任的核心节点的背书；但那是随时可被平台回收的租约，来得快、去得也快，且门槛极高。

到这里，排序信号里最重的那一类——图结构权威——已经讲透。TrustRank 让我们看到：信任可以从可信种子出发、沿链接传播。但这带出一个更基础的问题——一个刚上线、还没有任何链接、没有任何行为的全新域名，搜索引擎凭什么给它一个初始分、决定收不收录、收录多快？ 在一切后验信号积累之前，它依赖的是域名级的信任先验。下一篇，我们讲这个冷启动难题，以及它在中国搜索引擎里独有的合规维度——备案与域名历史。