鏈接分析排序的思想起源于文獻引文索引機制,即誰的論文被引用次數多、引用它的論文的質量高，誰就被認為是權威,論文就是好論文。這個思路移植到網上就是誰的網頁被鏈接次數多、鏈接它的網頁質量高,那個網頁就被認為是質量高、人氣旺,是用戶所需要的。鏈接分析算法大體可以分為3類,基于隨機漫游模型的,比如pagerank,Repution算法；基于Hub和Authority相互增強模型的，如HITS及其變種；基于概率模型的，如SALSA；百度的超鏈分析和谷歌的PageRank都屬于鏈接分析排序技術。在兩者搜索引擎之間，算法都是有異曲同工之妙之處，本文重點講解分析PageRank算法。

    PageRank利用了互聯網獨特的民主特性及其巨大的鏈接結構。實質上,當從網頁A鏈接到網頁B時,PageRank就認為“網頁A投了網頁B一票”。可根據網頁的得票數評定其重要性。然而,除了考慮網頁得票數(即鏈接)的純數量之外,還要分析為其投票的網頁。“重要”網頁所投之票自然份量較重,有助于增強其他網頁的“重要性”。這樣,重要的、高質量的網頁可獲得較高的網頁級別,從而在搜索結果中可獲較高的排位。

    PageRank最初的基本算法公式：PR（A）=（1-d）+d（PR（T1）/C（T1））+...+PR（TN）/C（Tn））

    公式備注：

    R(A)：網頁A頁的PageRank值;

    PR(Ti)：鏈接到A頁的網頁Ti的PageRank值;

    C(Ti)：網頁Ti的出站鏈接數量;

    d：阻尼系數,O<d<1。

    可見，PageRank并不是將整個網站排等級,而是以單個頁面計算的。頁面A的PageRank值取決于那些鏈接到A的頁面的PageRank的遞歸值。PR(Ti)值并不是均等影響頁面PR(A)的。在PageRank的計算公式里,T對于A的影響還受T的出站鏈接數C(T)的影響。這就是說,T的出站鏈接越多,A受T的這個連接的影響就越少。PR(A)是所有PR(Ti)之和。所以,對于A來說,每多增加一個人站鏈接都會增加PR(A)。

    并且所有PR(Ti)之和乘以一個阻尼系數d,它的值在O到1之間,一般設置為0.85。因此,阻尼系數的使用,減少了其它頁面對當前頁面A的排序貢獻。事實上,計算某個頁面的PageRank得分需要大量繁復計算。例如若計算A頁的PageRank得分則首先要知道所有鏈至A頁的網頁(導人鏈接)的PageRank得分。要想知道這些外部鏈接頁的PageRank得分,又需要先知道這些頁面的外部鏈接的PageRank得分等等。

    A頁的外部鏈接B能夠帶給A的PageRank得分與B的導出鏈接數量成反比,即隨著B上導出鏈接數的增加,帶給A的PageRank得分亦隨之降低。這同樣表明了一個網頁的PageRank得分是該網頁對其它頁面投票的一個基本的度量形式。一個網頁可以投票給一個或多個導出鏈接,但其總投票權一定,并被平均分配給所有的導出鏈接。假設B的PageRank得分是5,且B上只有一條指向A的鏈接,那么A將獲得B全部的PageRank得分(B沒有損失任何東西,而A贏得了B的PageRank得分)。但如果B上有N個鏈接,則A只能得到B的PageRank得分的N分之一。

    簡單說來,搜索引擎通過下述幾個步驟來實現網頁在其搜索結果頁中的排名：

    1、找到所有與搜索關鍵詞匹配的網頁。

    2、根據頁面因素如標題,關鍵詞密度等排列等級。

    3、計算導人鏈接的錨文本中的關鍵詞。

    4、通過PageRank得分調整網站排名結果。

    事實上,真正的網站排名過程并不是這么簡單,據百度等搜索引擎介紹,搜索引擎除了用PageRank算法衡量網頁的重要程度以外,還有其它上百種因素來參與排序。其它搜索引擎也是如此,不可能只按照某一種規則來進行搜索結果的排序。要想做好SEO排名，了解算法原理本身，通過從本質出發，搜索引擎結果排序其實會越做越簡單。