一. Pagerank介紹
PageRank算法以前就是Google的網頁排序算法。PageRank算法，對每個目標網頁進行附上權值，權值大的就靠前顯示，權值小的就靠後顯示。PageRank算法就是給每個網頁附加權值的。PageRank算法借鑑學術界論文重要性的評估方法：誰被引用的次數多，誰就越重要。
注：PageRank算法不單單是按照“被索引數”來給網頁付權值的，用PR值表示每個網頁被PageRank算法附加的權值。
二. PageRank算法的核心細想
（1）如果一個網頁被很多其他網頁鏈接到的話,說明這個網頁比較重要，也就是PageRank值會相對較高
（2）如果一個PageRank值很高的網頁鏈接到一個其他的網頁，那麼被鏈接到的網頁的PageRank值會相應地因此而提高
三. 基本概念
（1）出鏈
如果在網頁A中附加了網頁B的超鏈接B-Link，用戶瀏覽網頁A時可以點擊B-Link然後進入網頁B。上面這種A附有B-Link這種情況表示A出鏈B。可知，網頁A也可以出鏈C，如果A中也附件了網頁C的超鏈接C-Link。
（2）入鏈
上面通過點擊網頁A中B-Link進入B，表示由A入鏈B。如果用戶自己在瀏覽器輸入欄輸入網頁B的URL，然後進入B，表示用戶通過輸入URL入鏈B
（3）無出鏈
如果網頁A中沒有附加其他網頁的超鏈接，則表示A無出鏈
（4）只對自己出鏈
如果網頁A中沒有附件其他網頁的超鏈接，而只有他自己的超鏈接A-Link，則表示A只對自己出鏈
（5）PR值
一個網頁的PR值，概率上理解就是此網頁被訪問的概率，PR值越高其排名越高。
四. 幾種網頁出入鏈關係
case1：網頁都有出入鏈
case1
此種情況下的網頁A的PR值計算公式爲：
case2：存在沒有出鏈的網頁
case2
網頁C是沒有出鏈。因爲C沒有出鏈，所以對A,B,D網頁沒有PR值的貢獻。PageRank算法的策略：從數學上考慮，爲了滿足Markov鏈，設定C對A,B,C,D都有出鏈（也對他自己也出鏈~）。你也可以理解爲：沒有出鏈的網頁，我們強制讓他對所有的網頁都有出鏈，即讓他對所有網頁都有PR值貢獻。
此種情況PR(A)的計算公式：
case3：存在只對自己出鏈的網頁
case3
C是隻對自己出鏈的網頁。
此時訪問C時，不會傻乎乎的停留在C頁面，一直點擊C-Link循環進入C，即C網頁只對自己的網頁PR值有貢獻。正常的做法是，進入C後，存在這種情況：在地址輸入欄輸入A/B/C/D的URL地址，然後跳轉到A/B/C/D進行瀏覽，這就是PageRank算法解決這種情況的策略：設定存在一定概率爲α，用戶在地址欄輸入A/B/C/D地址，然後從C跳轉到A/B/C/D進行瀏覽。
此時PR(A)的計算公式爲：
五. 算法公式
一般情況下，一個網頁的PR值計算公式爲：
注：Mpi是有出鏈到pi的所有網頁集合，L(pj)是有網頁pj的出鏈總數，N是網頁總數，α一般取值爲0.85
所有網頁PR值一直迭代計算，停止直到下面兩種情況之一發生：每個網頁的PR值前後誤差小於自定義誤差閾值，或者迭代次數超過了自定義的迭代次數閾值
六. PageRank算法的缺點
這是一個天才的算法，原理簡單但效果驚人。然而，PageRank算法還是有一些弊端。
第一，沒有區分站內導航鏈接。很多網站的首頁都有很多對站內其他頁面的鏈接，稱爲站內導航鏈接。這些鏈接與不同網站之間的鏈接相比，肯定是後者更能體現PageRank值的傳遞關係。
第二，沒有過濾廣告鏈接和功能鏈接（例如常見的“分享到微博”）。這些鏈接通常沒有什麼實際價值，前者鏈接到廣告頁面，後者常常鏈接到某個社交網站首頁。
第三，對新網頁不友好。一個新網頁的一般入鏈相對較少，即使它的內容的質量很高，要成爲一個高PR值的頁面仍需要很長時間的推廣。
針對PageRank算法的缺點，有人提出了TrustRank算法。其最初來自於2004年斯坦福大學和雅虎的一項聯合研究，用來檢測垃圾網站。TrustRank算法的工作原理：先人工去識別高質量的頁面(即“種子”頁面)，那麼由“種子”頁面指向的頁面也可能是高質量頁面，即其TR值也高，與“種子”頁面的鏈接越遠，頁面的TR值越低。“種子”頁面可選出鏈數較多的網頁，也可選PR值較高的網站。
TrustRank算法給出每個網頁的TR值。將PR值與TR值結合起來，可以更準確地判斷網頁的重要性。
補充:
谷歌用PR值來劃分網頁的等級，有0~10級，一般4級以上的都是比較好的網頁了。谷歌自己PR值爲9，百度也是9，博客園的PR值則爲6。
如今PR值雖不如以前重要了（沒有區分頁面內的導航鏈接、廣告鏈接和功能鏈接導致PR值本身能夠反映出的網頁價值不精確，並且對新網頁不友好），但是流量交易裏PR值還是個很重要的參考因素。