| 、簡單算法： 例如一個由4個頁面組成的小團體：A，B， C 和 D。如果所有頁面都鏈向A，那么A的PR（PageRank）值將是B，C 及 D的和。 PR(A) = PR(B) + PR(C) + PR(D) 繼續假設B也有鏈接到C，并且D也有鏈接到包括A的3個頁面。一個頁面不能投票2次。所以B給每個頁面半票。以同樣的邏輯，D投出的票只有三分之一算到了A的 PageRank 上。
風采依揚覺得，根據鏈處總數平分一個頁面的PR值。 最后，所有這些被換算為一個百分比再乘上一個系數q。由于下面的算法，沒有頁面的PageRank會是0。所以，Google通過數學系統給了每個頁面一個最小值1 − q。
所以一個頁面的 PageRank 是由其他頁面的PageRank計算得到。Google 不斷的重復計算每個頁面的 PageRank。如果您給每個頁面一個隨機 PageRank 值（非0），那么經過不斷的重復計算，這些頁面的 PR 值會趨向于正常和穩定。這就是搜索引擎使用它的原因。 二、完整的算法： 這個方程式引入了隨機瀏覽的概念，即有人上網無聊隨機打開一些頁面，點一些鏈接。一個頁面的PageRank值也影響了它被隨機瀏覽的概率。為了便于理解，這里假設上網者不斷點網頁上的鏈接，最終到了一個沒有任何鏈出頁面的網頁，這時候上網者會隨機到另外的網頁開始瀏覽。 為了對那些有鏈出的頁面公平，q = 0.15(q的意義見上文)的算法被用到了所有頁面上, 估算頁面可能被上網者放入書簽的概率。 所以，這個等式如下:
p1,p2,…,pN是被研究的頁面，M(pi)是鏈入pi頁面的數量，L(pj)是pj鏈出頁面的數量，而N是所有頁面的數量 PageRank值是一個特殊矩陣中的特征向量。這個特征向量為
R是等式的答案
如果pj不鏈向pi, 而且對每個j都成立時，
這項技術主要的弊端是，舊的頁面等級會比新頁面高，因為新頁面，即使是非常好的頁面，也不會有很多鏈接，除非他是一個站點的子站點。 這就是 PageRank 需要多項算法結合的原因。之前石頭也說了wikipedia.com在google的一些關鍵詞內表現很好整體的訪問量超過一些門戶網站，另一方面也是數萬網民的共同努力。 Google對維基百科情有獨鐘之一，風采依揚想應該是：PageRank 似乎傾向于維基百科頁面，在條目名稱的搜索結果中總在大多數或者其他所有頁面之前。原因主要是維基百科內相互的鏈接很多，并且有很多站點鏈入。 Google 經常處罰惡意提高 PageRank 的行為。Google 究竟怎樣區分正常的鏈接交換和不正常的鏈接堆積仍然是商業機密。 相信看完以上內容后對PageRank了解更深入。 我們可以知道搜索引擎用來評估網頁質量的一種方法，就是PageRank，它經常被用來當作對Google搜索引擎網頁要素評分之一。 你可以找到任何網頁的PageRank分數，通過使用你的瀏覽器去瀏覽網頁，并下載GOOGLE工具欄。將你的鼠標放在綠色的PageRank欄上，馬上就會顯示出一個從0到10之間的數字，這就是PageRank值，是google對該頁面的重要性的分配。工具欄按照PageRank比例范圍顯示出網頁的PageRank，但是在現在的PageRank算法中就是不單單是0到10的數據了，在google的服務器中，PageRank的分配數有可能是0精確到100，甚至是到1000的數值。 PageRank是平均每三個月更新一次的，它不是按照一般的線性刻度計算，而是按照一種指數刻度。這是一種非常繁雜的數學術語（之前文章也有提到），意思是PageRank4不是比PageRank3好一級—而是會好6到7倍。因此一個PageRank5的網頁和PageRank8的網頁之間的差距會比你可能認為的要大很多。 PageRank值在這幾天要更新了，我們談談現在PR的算法吧！當一個網頁鏈接到你的網頁時，搜索引擎是怎樣轉移這個網頁的權威性到你的網站的（也就是PageRank的轉移）。因此你希望從有最高PageRank得分的網頁上獲得鏈接，去不斷的尋找高PR的站點，是不是呢？ 這種方式在以前還管用，但是現在實際情況比這復雜了很多，一個權威性的轉移與網頁上存在的鏈接數量有關—鏈接越少，每個鏈接所轉移的權威性就越高，因些，通常PageRank5網頁上唯一的鏈接要比PageRank7上一百個鏈接中的一個要有價值。當然這也是有前提的，就是站于站之間的鏈接內容相似度要高一些。 之前所講的大家都知道PR值的重要性，但是真的一提的是，不要落入PageRank的誘惑陷阱中。對于你的網頁來說，最重要的是被鏈接到那些能為你的站點帶來流量的站點，而不是見到PageRank就鏈。要將PageRank作為工具來驗證你自己對一個潛在鏈接來源質量判斷，而不要在做你的鏈接來源列表時盲目跟從PageRank。 祝SEOer好運！ |
等于 0