佩奇排名（PageRank），又称网页排名、谷歌左侧排名，是一种由搜索引擎根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Google公司创办人拉里·佩奇（Larry Page）之姓来命名。Google用它来体现网页的相关性和重要性，在搜索引擎优化操作中是经常被用来评估网页优化的成效因素之一。

自从Google在商业上获得巨大成功后，它大力推行的PageRank也成为企业界和学术界十分关注的计算模型。Google将糅合入Title标识、Keywords关键字标识等因素的PageRank结果来调整搜索结果，使得“更加重要/等级更高”的网站呈现在检索结果中，从而提高搜索结果的相关度、质量。PageRank的结果从0到10，10级为满分。PR值越高说明网页越重要/受欢迎。例如PR值为1的网站不太重要，而PR值为7~10的网站可以说是非常重要了。一般到4，就能说是一个不错的网站。Google将自身PR值定为10.





基本思想



即对于某个网页A而言，该网页PageRank值的计算基于以下两个假设：

1：数量假设，如果越多的网页指向A，即A的入链数量越多，则该网页越重要；

2：质量假设，如果指向A的网页质量越高，则A越重要，即权重因素不同。

现实中一个具体的假设案例是：一篇论文被诺贝尔奖得主所引用， 显然要比被普通研究者所引用更说明其价值；一篇论文被100位学者引用，显然要比只有一位普通学者引用之更有价值。

初始阶段，网页通过链接关系构建起Web图，每个页面设置相同的PageRank值(原因在稍后阐述)，通过若干轮的计算，会得到每个页面所获得的最终PageRank值。随着每一轮的计算进行，网页当前的PageRank值会不断得到更新。

在每一轮更新页面PageRank得分的计算中，每个页面将其当前的PageRank值平均分配到本页面包含的出链上，这样每个链接即获得了相应的权值。而每个页面将所有指向本页面的入链所传入的权值求和，即可得到新的PageRank得分。当每个页面都获得了更新后的PageRank值，就完成了一轮PageRank计算。

用公式来表示，若网页T存在一个指向网页A的链接，则表明T的所有者认为A是重要的，从而把T的一部分重要性得分赋予A。

这个重要性得分值为：PR（T）/C(T) ，其中PR（T）为T的PageRank值，C(T)为T的出链数。

对于A而言，A的PageRank值为一系列类似于T的页面重要性得分总和。一个页面的PageRank是由所有链向它的页面（链入页面）的重要性经过递归算法得到的。



例子

1. 假设一个由4个页面组成的小团体：A，B，C，和 D，如果所有页面都链接向A，那么A的PR值就是BCD的Pagerank的总和。



1. 假设B也有链接到C，并且D也有链接到包括A的3个页面。一个页面不能投票2次，所以，B给每个页面半票。以同样的逻辑，D投出的票只有三分之一算到了A的PageRank上。



换句话说，根据链出总数平分一个页面的PR值。



1. 互联网中一个网页只有对自己的出链，或者几个网页的出链形成一个循环网。那么在不断迭代过程中，这一个或几个网页的PR值将只增不减，显然不合理。如下图C网页就是刚刚说的只有对自己的出链的网页：



为了解决这个问题，我们想象一个隋杰浏览网页的人，假定他有一个确定的概率会输入网址直接跳转到一个随机的网页，并且跳转到每个网页的概率是一样的。于是此图中A的PR值可表示为：



PageRank的计算公式：