.起点：获取种子URL

[kexej28769@nongnue]

获取网络随机样本的第一个大问题是没有真正随机的起点。想一想。与一袋弹珠不同，你可以伸手盲目地随机抓取一个，如果你事先不知道 URL，你就无法随机挑选一个。您可以尝试通过一个接一个地打乱和删除字母来创建随机 URL，但我们知道语言不是这样工作的，因此 URL 将与我们在网络上找到的非常不同。不幸的是，每个人都被迫从一些伪随机过程开始。

我们必须做出选择。这是一场艰难的比赛。我们是从不 加纳 WhatsApp 数据 支持 Moz 的已知强偏见开始，还是从支持 Moz 的已知弱偏见开始？我们可以使用我们自己索引中的随机选择作为此过程的起点，这将是伪随机的，但可能有利于 Moz，或者我们可以从一个小型的公共索引（例如 Quantcast Top Million）开始。就像我们可以从一个小型的公共索引开始，该索引强烈偏向于好的网站。

我们决定以后者为起点，因为 Quantcast 数据是：

可重现 我们不打算将“随机 URL 选择”作为 Moz API 的一部分，因此我们需要业内其他人可以开始使用的东西。 Quantcast Top Million 对所有人免费。
对 Moz 没有偏见：我们宁愿谨慎行事，即使这意味着需要做更多工作来消除偏见。
已知偏见：Quantcast 前 1,000,000 名中的偏见很容易理解 - 这些都是重要的网站，我们需要解决这种偏见。
Quantcast 偏差是自然的：任何链接图本身都已经共享一些 Quantcast 偏差（强大的网站更有可能具有良好的链接）
考虑到这一点，我们从 Quantcast 前百万域名中选择了 10,000 个域名，并开始消除偏见的过程。

2. 根据域大小而不是重要性进行选择