Google PageRank 技术解密
九、PageRank的计算方法
PageRank (A) = (1-d) + d(PageRank (T1)/C(T1) + ... + PageRank (Tn)/C(Tn))
其中PageRank (A)表示给定页面A的PageRank得分；
D为阻尼因子，一般设为0.85；
PageRank (T1)表示一个指向A页的网站其本身的PageRank得分；
C(T1)表示该页面所拥有的导出链接数量；
PageRank (Tn)/C(Tn)表示为每一个指向A页的页面重复相同的操作步骤。
事实上，计算某个页面的PageRank得分需要大量繁复计算。例如若计算A页的PageRank得分则首先要知道所有链至A页的网页(导入链接)的PageRank得分。要想知道这些外部链接页的PageRank得分，又需要先知道这些页面的外部链接的PageRank得分，等等。我们只需要知道：
A页的外部链接B能够带给A的PageRank得分与B的导出链接数量成反比，即随着B上导出链接数的增加，带给A的PageRank得分亦随之降低。这同样表明了一个网页的PageRank得分是该网页对其它页面投票的一个基本的度量形式。一个网页可以投票给一个或多个导出链接，但其总投票权一定，并被平均分配给所有的导出链接。假设B的PageRank得分是5，且B上只有一条指向A的链接，那么A将获得B全部的PageRank得分(B没有损失任何东西，而A赢得了B的PageRank得分)。但如果B上有N个链接，则A只能得到B的PageRank得分的N分之一。
十、PageRank的反馈性
PageRank的反馈机制说明了为什么一个网站的导出链接能够使网站自身受益。
假设A页链向B，根据PageRank计算公式，其初始PageRank为0.15，链接后的PageRank变为1。如果A链向C，而C又链回A，则A此时的PageRank变成了1.4594594595。也就是说若A链向一个外部网页，而那个网页又回链向A的话，则使A的PageRank会增加。(如果A链向一个网页，而该网页又链向C，C再链向A的话，也会发生同样的情形)。如果把所有相互链接的页面看做是一个系统整体的话，其实链接前后系统总的PageRank并没有发生改变，只是由于不同链接关系的发生导致了PageRank对系统内每个链接页面的重新分布。
其增量比较小，整体则视情况而定。但有一点是显而易见的 – 提供导出链接的网页往往会通过一种叫做PageRank反馈的机制提升了自身的PageRank。
结论：
这表明和一些大型站点进行互惠链接交换是比较明智的。这些大网站均采用链接结构，并对链接页给予高度关注。你所链接的对象站点所包含的网页数量及其设计结构对于你网站的PageRank反馈总数有着显著的影响。
十一、如何控制PageRank
虽然PageRank因子很难控制，但我们可以通过其它技术来得到理想的结果。而且，良好优化过的页面因子整合较高的PageRank得分无疑会使网站更具竞争力。
PageRank因子的优化可从下面三个方面着手：
1. 导入链接。包括如何选取导入链接，获得导入链接所付出的努力是与收获呈正比的。
2. 导出链接。包括导出链接的选取及它们在你网站上的合适位置，应使PageRank得到最大回馈(Feedback) 和最小损耗(Leakage)。
- 相关文章
- Google左侧排名攻略[12-04]
- Google实用高级搜索技巧三则[12-04]
- Google提供的搜索引擎营销效果免..[12-04]
- 网站快速列入Google的最佳方法[12-04]
- Google推出火星地图 用户可自己探..[12-04]
- Google工程师详述Google的搜索结..[12-04]
- 最新文章
- Google左侧排名攻略[12-04]
- 提高PR值的小技巧[12-04]
- Google实用高级搜索技巧三则[12-04]
- Google提供的搜索引擎营销效果免..[12-04]
- 网站快速列入Google的最佳方法[12-04]
- Google推出火星地图 用户可自己探..[12-04]