剖析Google的PR值计算原理

搜索引擎优化过程中，很多站长认为PR对网站优化及排名有重要作用，而也有持不同观点的。虽然大家意见不同，但是了解一下PR值的计算原理还是有重要意义的，毕竟PR值还是很受追捧的。

我们假设把一个网站分为四个网页：A，B， C 和 D。如果所有页面都链向A，那么A的PR(PageRank)值将是B，C 及 D的和。
PR(A) = PR(B) + PR(C) + PR(D)
继续假设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。

PR(A) =PR(B) /2+PR(C) /1+PR(D)/3
换句话说，根据链处总数平分一个页面的PR值。
PR(A) =PR(B) /L(B)+PR(C) /L(C)+PR(D)/L(D)

最后，所有这些被换算为一个百分比再乘上一个系数q。由于下面的算法，没有页面的PageRank会是0。所以，Google通过数学系统给了每个页面一个最小值1R值如何计算
PR(A) =(PR(B) /L(B)+PR(C) /L(C)+PR(D)/L(D)+...+PR(N)/L(N))q+1-q

所以一个页面的 PageRank 是由其他页面的PageRank计算得到。Google 不断的重复计算每个页面的 PageRank。如果您给每个页面一个随机PageRank 值(非0)，那么经过不断的重复计算，这些页面的 PR 值会趋向于正常和稳定。这就是搜索引擎使用它的原因。

其中，PR(A)：指网页A的佩奇等级(PR值)
PR(B)、PR(C)...PR(N)表示链接网页A的网页N的佩奇等级(PR)。N是链接的总数，这个链接可以使来自任何网站的导入链接(反向链接)。
L(N)：网页N往其他网站链接的数量(网页N的导出链接数量)
q：阻尼系数，介于0-1之间，google设为0.85.

从上面的公式我们可以看到网页A的PR是由链接它的其他网页L(N)所决定的。在网页L(N)中如果有一个链接指向网页A，那么A就得到了一个“投票气而这个投票来自网上任何一张网页。每个“投票”都是表示一份“支持”。越多的链接指向网页A，网页A的PR值或者等级就越高。没有链接就是没有一个网页支持A。

但是不同网页的PR值不同，所以不同的网页给网页A的投票权重是不一样的。

这个方程式引入了随机浏览的概念，即有人上网无聊随机打开一些页面，点一些链接。一个页面的PageRank值也影响了它被随机浏览的概率。为了便于理解，这里假设上网者不断点网页上的链接，最终到了一个没有任何链出页面的网页，这时候上网者会随机到另外的网页开始浏览。

为了对那些有链出的页面公平，q = 0.15(q的指阻尼系数)的算法被用到了所有页面上，估算页面可能被上网者放入书签的概率。

这项技术的主要缺点是旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多上游链接，除非它是某个站点的子站点。

但是我们始终坚持一点是，大家做seo不要刻意的去追求PR值，因为影响排名的因素太多了。建议网站设计人员可以充分认识佩奇等级在google优化排名中的重要作用，从设计前的考虑到后期网站更新都要考虑一下佩奇等级。从而很好的利用google PageRank。

我们要知道这样一个道理，就是PR值是我们做seo优化的一个工具罢了，不要反过来被它所束缚而铤而走险，一切都按正规程序来，是不怕什么PR值高或者低的。