Google PageRank 技术解密

深入探讨PageRank（一）：PageRank算法原理入门深入探讨PageRank（一）：PageRank算法原理入门一、PageRank简介大名鼎鼎的PageRank算法是Google排名运算法则（排名公式）的一个非常重要的组成部分，其用于衡量一个网站好坏的标准。

在揉合了诸如Title、Keywords标识等所有其它因素之后，Google利用PageRank来调整网页的排名，使得“等级/重要性”的网页会相对排在前面。

简单来说，Google通过下述几个步骤来实现网页在其搜索结果页面中排名：（1）找到所有与搜索关键词匹配的网页（2）根据页面因素如标题、关键词密度等排列等级（3）计算导入链接的锚文本中关键词（4）通过PageRank得分调整网站排名结果事实上，真正的网站的排名过程并非这么简单，我们会在后面进行详细深入阐述。

PageRank于2001年9月被授予美国专利，专利人是Google创始人之一的拉里.佩奇（Larry Page）。

所以，PageRank里面的Page 并不是指网页，而是指佩奇~PageRank对于网页重要性的级别分为1~10级，10级为满级。

PR值越高说明该网页越受欢迎，也即越重要。

一个PR值为1的网站表明该网站不具备流行度，而PR值为7~10的网站则表明该网站是非常受欢迎的，或者说极其重要。

一般PR值达到4，就算是一相当不错的网站了。

Google把自己网站的PR值设置为10~类似里氏震级，PageRank级别并不是线性增长的，而是按照一种指数刻度，打个比方PageRank4比PageRank3虽然只是高了一级，但却在影响力上高上6~7倍，因此，一个PageRank5的网页和一个PageRank8的网页之间差距会比你可能认为的要大的多。

在讨论之前，先介绍两个概念：导入链接，又称逆向链接，是指链至你网站的站点，也就是我们一般所说的外部链接。

而当你链至另外一个站点，那么这个站点就是你的导出链接，即你向其他网站提供本站的链接。

Google PageRank(网页级别)介绍
Google的核心软件称为 PageRank(网页级别)，这是由Google创始人 Larry Page 和Sergey Brin 在斯坦福大学开发出的一套用于网页评级的系统，网页级别是所有Google网络搜索工具的基础。

作为组织管理工具，网页级别利用了互联网独特的民主特性及其巨大的链接结构。

实质上，当从网页 A 链接到网页 B 时，Google 就认为"网页 A 投了网页 B 一票"。

Google 根据网页的得票数评定其重要性。

然而，除了考虑网页得票数（即链接）的纯数量之外，Google 还要分析投票的网页。

"重要"的网页所投出的票就会有更高的权重，并且有助于提高其它网页的"重要性"。

重要的、高质量的网页会获得较高的网页级别。

Google 在排列其搜索结果时，都会考虑每个网页的级别。

当然，如果不能满足您的查询要求，网页级别再高对您来说也毫无意义。

因此，Google 将网页级别与完善的文本匹配技术结合在一起，为您找到最重要、最有用的网页。

Google 所关注的远不只是关键词在网页上出现的次数，它还对该网页的内容（以及该网页所链接的内容）进行全面检查，从而确定该网页是否满足您的查询要求。

Google 以其复杂而全自动的搜索方法排除了任何人为因素对搜索结果的影响。

虽然Google 也在搜索结果旁刊登相关广告，但没人能花钱买到更高的网页级别，从而保证了网页排名的客观公正
请点击访问：更多关于Google PageRank(网页级别)介绍的文章。

PageRank 通俗易懂解释一、引言在信息爆炸的今天，互联网已经成为我们获取和分享信息的主要渠道。

然而，随着网页数量的不断增加，如何快速找到高质量、相关的信息变得越来越困难。

为了解决这个问题，谷歌的创始人拉里·佩奇和谢尔盖·布林发明了一种名为PageRank 的算法。

本文将通过通俗易懂的方式，详细解释PageRank 的原理和应用。

二、PageRank 简介PageRank 是一种基于网页之间相互链接关系的排名算法，旨在对互联网上的网页进行重要性评估。

PageRank 的核心思想是：一个网页的重要性取决于它被其他重要网页链接的次数和质量。

换句话说，如果一个网页被很多高质量的网页链接，那么这个网页的重要性也会相应提高。

三、PageRank 原理1. 初始化：首先，我们需要为每个网页分配一个初始的PageRank 值。

通常，将所有网页的PageRank 值设置为相同的初始值，如1/N，其中N 是网页的总数。

2. 计算链接关系：接下来，我们需要计算网页之间的链接关系。

对于每个网页，我们可以统计指向它的链接数量和质量。

链接数量是指有多少其他网页链接到了当前网页，而链接质量则是指链接到当前网页的其他网页的重要性。

3. 更新PageRank 值：有了链接关系后，我们就可以根据PageRank 的核心思想来更新每个网页的PageRank 值。

具体来说，一个网页的新PageRank 值等于它所有链接的PageRank 值之和，再乘以一个衰减因子。

衰减因子的值通常为0.85，表示链接传递的权重会随着距离的增加而逐渐减小。

4. 迭代计算：重复步骤2 和3，直到PageRank 值收敛为止。

收敛是指连续两次计算得到的PageRank 值之间的差异小于某个预设的阈值。

四、PageRank 应用PageRank 算法最初是谷歌搜索引擎的核心组成部分，用于对搜索结果进行排序。

通过PageRank 分析，我们可以快速找到高质量、相关的信息。

G oogle的Page R ank技术剖析曹　军(北京大学信息管理系　北京　100871)摘　要　检索结果排序算法一直是情报检索系统的核心技术之一,在搜索引擎中的地位则更加重要。

通过对搜索引擎google的关键技术PageRank的深入剖析,分析了其在G oogle排序系统中的作用,并对其发展所存在的问题进行了探讨。

关键词　搜索引擎　排序算法　网页级别　PageRank　G oogle　情报检索　1　前　言情报检索系统最核心的问题之一是对文献和提问式的相关性判断,依靠排序算法(ranking algorithm)对文献检索结果按照相关性进行排序输出[1]。

对于基于关键词检索的网络搜索引擎,通过网页收集程序(如spider等)进行收集并索引的信息资源量极其庞大,如G oogle可以搜索的网页高达20亿页[2],而非专业的搜索引擎用户的提问式却大多是由1～3个单词组成。

由于提问式的不专指和信息资源量巨大的矛盾,系统往往会返回数量庞大的检索结果。

没有很好的排序算法,用户就需要花费巨大的精力进行浏览筛选。

如果搜索引擎能按照检索结果网页的价值和与用户提问的相关度进行排序,那么对于减轻用户负担、提高检索效率同时,好的排序算法也可以帮助搜索引擎的网页收集程序更加高效地发现和索引网页,元搜索引擎也需要用排序算法来对从不同搜索引擎检索来的结果进行综合排序[3]。

可见较之传统的情报检索系统,排序算法在搜索引擎技术中占有更加核心的地位。

传统情报检索中的排序算法以基于向量空间模型的相似度计算为代表,把文献和提问都用等长的向量表示,每个文献看成n 维的向量(W j……W n)。

W j代表词汇集中第j个单词,如果w j没有在文献中出现,则w j的值为0;如果在文献中出现,则W j的值代表这个单词的权重。

情报检索理论中最常用的计算词权W j的方法是用tf(文献内词频)乘以idf(反文献频率),其基本思想是一个词的分辨力(或标引性)与此词的文献内频率成正比(当然排除无检索意义的功能词),同时又和此词在文献集合中的集合频率成反比。

page rank算法的原理
PageRank算法是由谷歌创始人之一拉里·佩奇（Larry Page）
提出的，用于评估网页在搜索引擎中的重要性。

PageRank算法的原理可以概括为以下几点：
1. 链接分析：PageRank算法基于链接分析的思想，认为一个
网页的重要性可以通过其被其他重要网页所链接的数量来衡量。

即一个网页的重要性取决于其他网页对它的引用和推荐。

2. 重要性传递：每个网页都被赋予一个初始的权重值，然后通过不断迭代的计算过程，将网页的重要性从被链接的网页传递到链接的网页。

具体来说，一个网页的权重值由其被其他网页所链接的数量以及这些链接网页的权重值决定。

3. 随机跳转：PageRank算法引入了随机跳转的概念。

即当用
户在浏览网页时，有一定的概率会随机跳转到其他网页，而不是通过链接跳转。

这样可以模拟用户在浏览网页时的行为，并增加所有网页的重要性。

4. 阻尼因子：PageRank算法还引入了阻尼因子，用于调控随
机跳转的概率。

阻尼因子取值范围为0到1之间，通常取值为0.85。

阻尼因子决定了用户在浏览网页时选择跳转到其他网页
的概率。

通过以上原理，PageRank算法可以计算出各个网页的重要性
得分，从而在搜索引擎中按照重要性进行排序。

PageRank算法的原理及应用PageRank算法是一种被广泛应用于搜索引擎的网页排序算法，它是由Google公司的两位创始人——拉里·佩奇和谢尔盖·布林在1998年发明的。

经过多次改进和完善，如今的PageRank算法已经成为了搜索引擎排名的重要指标之一。

本文将从算法原理、公式推导和应用探究三个方面来介绍PageRank算法。

一、算法原理PageRank算法的核心思想是基于互联网上各个页面之间的链接关系进行排序，在一定程度上反映了网页的权威性和价值。

所谓链接关系，就是指一个页面通过超链接将访问者引向另一个页面的关系。

如果一个网页被其他网页链接得越多，那么这个网页的权威度就应该越高。

但是，PageRank并不直接以链接数量作为评价标准，而是通过一个复杂的算法来计算每个网页的等级。

具体来说，PageRank算法是基于马尔科夫过程的概率模型，它将互联网上的所有页面抽象成图形，每个网页都是一个节点，超链接则是节点之间的边。

PageRank算法的核心计算就是将这个图形转化成一个矩阵，然后使用迭代的方式求出每个节点的等级，即PageRank值。

在这个过程中，每个节点的PageRank值会受到其它所有节点的影响，而它自身的权值又会传递给其他节点，如此循环迭代，直到所有节点的PageRank值趋于收敛。

二、公式推导PageRank算法的公式推导是比较繁琐的，这里只能简单概括一下。

首先，PageRank值可以表示为一个向量，每个向量元素代表一个页面的权值。

由于PageRank算法是基于网页链接之间的关系计算出来的，所以可以将它表示成一个矩阵M，该矩阵中的元素mi,j表示第j个页面指向第i个页面的链接数量。

接着，可以构造一个向量v，v中的所有元素都是1/N（其中N为网页总数），代表每个页面初始的PageRank值。

然后，PageRank值可以通过迭代计算得到，具体的计算公式如下：PR(A) = (1-d)/N + d * (PR(T1)/C(T1) + … + PR(Tn)/C(Tn))其中，PR(A)表示节点A的PageRank值，d是一个常数（0<d<1），代表网页的阻尼系数，T1-Tn是所有指向节点A的页面，C(Ti)是Ti页面的出链总数，PR(Ti)是Ti页面的PageRank值，N为网页总数。

PageRank算法详解PageRank算法是谷歌搜索引擎中最为重要的算法之一。

它通过计算网页之间的链接关系和权重来确定每个网页在搜索结果中的排名。

在谷歌早期，PageRank 算法的出现使得其搜索结果变得更加准确和有效，进而成为了全球最大的搜索引擎。

一、PageRank算法的产生1997年，拉里-佩奇（Larry Page）和谢尔盖-布林（Sergey Brin）在斯坦福大学完成了他们的博士论文，在这篇文章中他们提出了一个新的搜索算法—— PageRank。

基于局部链接法（Local Link Method）的搜索引擎实现效果不太理想。

在这种算法下，搜索引擎将根据特定的自定义指标对文本内容进行倒排索引，然后计算文本内容与关键字之间的相似性。

而该算法无法处理链接的信息，也就是说，一个因链接数目众多而重要的页面可能会得到较低的排名。

因此，佩奇和布林提出了PageRank算法来帮助解决这个问题。

这种算法基于网页链接之间的权重，可以更好地判断每个网页的重要性。

二、PageRank算法的原理PageRank 算法的核心是对互联网进行图论分析，即将互联网理解为一张由网页及其链接组成的图结构，其中，网页为节点，链接为边。

对于一张由网页及其链接组成的图结构，PageRank算法中定义的网页得分，即 PageRank 值，表示该网页在该网页集合中的重要性。

PageRank 值的计算基于以下两个规则:一、入度PageRank的值与一个网页的入度有关。

例如，一个网页有更多的链接指向它，它的 PageRank 值会更高。

这是由于网页拥有更多的链接，说明与这个页面相关的主题更加广泛和深入，并且广大网民更加喜欢这个页面。

二、出度另一方面，如果一个网页链接到其他重要的网页，那么这个页面的PageRank 值也会提高。

这是由于向外链接表示该网页被认为对其他网页有一定的参考价值。

对于搜索引擎来说，这种链接相当于对另一个页面的推荐。

通过对由超过50,000 万个变量和20 亿个词汇组成的方程进行计算，PageRank 能够对网页的重要性做出客观的评价。

PageRank 并不计算直接链接的数量，而是将从网页 A 指向网页B 的链接解释为由网页A 对网页B 所投的一票。

这样，PageRank 会根据网页B 所收到的投票数量来评估该页的重要性。

此外，PageRank 还会评估每个投票网页的重要性，因为某些网页的投票被认为具有较高的价值，这样，它所链接的网页就能获得较高的价值。

重要网页获得的PageRank（网页排名）较高，从而显示在搜索结果的顶部。

Google 技术使用网上反馈的综合信息来确定某个网页的重要性。

搜索结果没有人工干预或操纵，这也是为什么Google 会成为一个广受用户信赖、不受付费排名影响且公正客观的信息来源。

－－－－－－－－－－－－－－－其实简单说就是民主表决。

打个比方，假如我们要找李开复博士，有一百个人举手说自己是李开复。

那么谁是真的呢？也许有好几个真的，但即使如此谁又是大家真正想找的呢？:-) 如果大家都说在Google 公司的那个是真的，那么他就是真的。

在互联网上，如果一个网页被很多其它网页所链接，说明它受到普遍的承认和信赖，那么它的排名就高。

这就是Page Rank 的核心思想。

当然Google 的Page Rank 算法实际上要复杂得多。

比如说，对来自不同网页的链接对待不同，本身网页排名高的链接更可靠，于是给这些链接予较大的权重。

Page Rank 考虑了这个因素，可是现在问题又来了，计算搜索结果的网页排名过程中需要用到网页本身的排名，这不成了先有鸡还是先有蛋的问题了吗？Google 的两个创始人拉里•佩奇（Larry Page ）和谢尔盖•布林(Sergey Brin) 把这个问题变成了一个二维矩阵相乘的问题，并且用迭代的方法解决了这个问题。

他们先假定所有网页的排名是相同的，并且根据这个初始值，算出各个网页的第一次迭代排名，然后再根据第一次迭代排名算出第二次的排名。