Topicality …

und Reputation sind die beiden Faktoren die bekanntermaßen das Ranking in Googles Ergebnissen beeinflussen. Die Reputation vieler Seiten wurde am 28. September erneuert, als ein PageRank-Update vorrangig  höherwertige Seiten neu bewertet hat (es kann natürlich als Aufwertung des Forschungsstandortes DE verstanden werden, wenn 4 der 9 mit PR9 versehenen Institutionen im wissenschaftlichen Umfeld angesiedelt sind: die RWTH-Achen als erste deutsche Hochschule hat jetzt einen PageRank von 9, ebenso wie der DAAD, das BMBF, die DFG und das Auswärtige Amt).

Matt Cutts und Jianfei Zhu (Photo: NY Times News Service)

• Die Bedeutung, die ein Suchbegriff für eine Seite einnimmt, ergibt sich aus einer Vielzahl von Signalen (ca. 200) - von der Position des Schlüsselwortes im Text (URL, Titel, Überschrift…) über Layoutmerkmale (bold, italic..), dem Auftauchen des Schlüsselwortes in den Backlinktexten (der Klassiker der Google Bombs miserable failure hatte so funktioniert) und natürlich die Anzahl der Schlüsselwort(stämme) im Dokument.
• …diese 200 Signale werden dann unterschiedlich gewichtet, eventuell mit einem “Query Deserves Freshness (QDF)”-Flag versehen, welches aus der Auswertung von Google Trends-Ergebnisse, die Höherwichtung von aktuellen Ergebnissen veranlasst,  oder es werden in Abhängigkeit von der Anfrage  lokale Ergebnissen höher gewichtet… und das alles in 0,2 s!
• Eine Zusammenstellung von wichtigen Signalen mit ihren (möglichen) Gewichten gibt es bei seomoz.org.

Visual Rank – ein PageRank für Bilder!

Heise Online hat am 28.4.08 in einem Review der WWW08 einen neuen Ansatz von Google zur Relevanzbewertung von Bildern vorgestellt:

“Suchmaschinenprimus Google arbeitet an einem neuen Suchverfahren für Bilder, berichtet die New York Times. Auf der International World Wide Web Conference in Peking stellten die Google-Entwickler Shumeet Baluja und Yushi Jing das Prinzip von “VisualRank” vor, das Bilderkennung und Techniken zur Bewertung und Gewichtung ähnlicher Bilder miteinander kombiniert. Als Testdaten diente eine Auswahl aus der Google-Bilder- und -Produktsuche. Der Rechenaufwand zur Analyse sämtlicher Bilder aus dem Google-Index würde aber die vorhandenen Kapazitäten übersteigen.
Das neue Framework beurteilt nicht wie bei anderen Bildsuchmaschinen die Textinhalte, die sich zusammen mit dem Bild auf einer Webseite befinden, sondern vergleicht die Bildinhalte selbst miteinander. Ähneln sie sich stärker, ist die relative Bewertung untereinander höher und das Bild bekommt ein höheres Ranking. Das neue Bewertungssystem, an dessen Entwicklung 150 Mitarbeiter beteiligt waren, verringerte im Test die Anzahl irrelevanter Bildern um 83 Prozent.”

Der Artikel von Yushi Jing (Georgia Institute of Technology and Google, Inc.) Shumeet Baluja (Google Inc.) ist hier online verfügbar.