2、网页 topic 归属。

这一步需要将每个页面归入最适合的分类，具体归类有很多算法，例如可使用 TF-IDF 基于词素归类，也可以聚类后人工归类，具体不再展开。这一步最终的成果是每个网页被归到其中一个 topic。

3、分 topic 向量计较。

在 Topic-Sensitive PageRank 中，向量迭代公式为

首先是单位向量e变成了s。s是这样一个向量：对某 topic 的s，如果网页k在此 topic 中，则s中第k个元素为1，不然为0。注意对每一个 topic 都有一个不合的s。而s暗示s中 1 的数量。

仍是以上面的四张页面为例，假定页面A归为 Arts，B归为 Computers，C归为 Computers，D归为 Sports。那么对 Computers 这个 topic，s就是：

而s=2。因此，迭代公式为：

最后算出的向量就是 Computers 这个 topic 的 rank。如果实际计较一下，会发现B、C页在这个 topic 下的权重相比上面非 Topic-Sensitive 的 rank 会升高，这说明如果用户是一个倾向于 Computers topic 的人（例如法度员），那么在给他显现的成果中B、C会更重要，因此可能排名更靠前。

4、确定用户 topic 倾向。

最后一步就是在用户提交搜索时，确定用户的 topic 倾向，以选择适合的 rank 向量。主要体例有两种，一种是列出所有 topic 让用户自己选择感兴趣的项目，这种体例在一些社交问答网站注册时常常使用；别的一种体例就是通过某种手段（如 cookie 跟踪）跟踪用户的行为，进行数据阐发判断用户的倾向，这自己也是一个很有意思的话题，按时这个话题超出本文的范围，不再展开细说。

针对 PageRank 的 Spam 抨击打击与反作弊

上文说过，Spammer 和搜索引擎反作弊工程师的斗法历来就没停止过。实际上，只要是算法，就一定有 spam 体例，不存在无懈可击的排名算法。下面看一下针对 PageRank 的 spam。

Link Spam

回到文章开首的例子，如果我想让我的博客在搜索"张洋博客"时排名靠前，显然在 PageRank 算法下靠 Term Spam 是无法实现的。不过既然我明白了 PageRank 主要靠内链数计较页面权重，那么我是不是可以斟酌成立很多空架子网站，让这些网站都链接到我博客首页，这样是不是可以提高我博客首页的 PageRank？很不幸，这种体例行欠亨。再看下 PageRank 算法，一个页面会将权重平均散播给被链接网站，所以除内链数外，上游页面的权重也很重要。而我那些空架子网站自己就没啥权重，所以来自它们的内链其实不克不及起到提高我博客首页 PageRank 的作用，这样只是自娱自乐罢了。

所以，Spam PageRank 的关头就在于想体例增加一些高权重页面的内链。下面具体看一下 Link Spam 怎么做。

首先明确将页面分为几个类型：

1、目标页

目标页是 spammer 要提高 rank 的页面，这里就是我的博客首页。

2、支持页

支持页是 spammer 能完全节制的页面，例如 spammer 自己成立的站点中页面，这里就是我上文所谓的空架子页面。

3、可达页

可达页是 spammer 无法完全节制，可是可以有接供词 spammer 发布链接的页面，例如天涯社区、新浪博客等等这种用户可发帖的社区或博客站。

4、不成达页

这是那些 spammer 完全无法发布链接的网站，例如政府网站、百度首页等等。

作为一个 spammer，我能操纵的资源就是支持页和可达页。上面说过，纯真通过支持页是没有体例 spam 的，因此我要做的第一件事情就是尽可能找一些 rank 较高的可达页去加上对我博客首页的链接。例如我可以去天涯、猫扑等处所回个这样的贴："楼主的帖子很不错！出色内容：http://codinglabs"。我想年夜家一定在各年夜社区没少见这种帖子，这就是有人在做 spam。