SEO免费培训基于PageRank算法对SEO结果排序影响分析

链接分析排序的思想起源于文献引文索引机制,即谁的论文被引用次数多、引用它的论文的质量高，谁就被认为是权威,论文就是好论文。这个思路移植到网上就是谁的网页被链接次数多、链接它的网页质量高,那个网页就被认为是质量高、人气旺,是用户所需要的。链接分析算法大体可以分为3类,基于随机漫游模型的,比如pagerank,Repution算法；基于Hub和Authority相互增强模型的，如HITS及其变种；基于概率模型的，如SALSA；百度的超链分析和谷歌的PageRank都属于链接分析排序技术。在两者搜索引擎之间，算法都是有异曲同工之妙之处，本文重点讲解分析PageRank算法。

PageRank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,PageRank就认为“网页A投了网页B一票”。可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,还要分析为其投票的网页。“重要”网页所投之票自然份量较重,有助于增强其他网页的“重要性”。这样,重要的、高质量的网页可获得较高的网页级别,从而在搜索结果中可获较高的排位。

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

公式备注：

R(A)：网页A页的PageRank值;

PR(Ti)：链接到A页的网页Ti的PageRank值;

C(Ti)：网页Ti的出站链接数量;

d：阻尼系数,O可见，PageRank并不是将整个网站排等级,而是以单个页面计算的。页面A的PageRank值取决于那些链接到A的页面的PageRank的递归值。PR(Ti)值并不是均等影响页面PR(A)的。在PageRank的计算公式里,T对于A的影响还受T的出站链接数C(T)的影响。这就是说,T的出站链接越多,A受T的这个连接的影响就越少。PR(A)是所有PR(Ti)之和。所以,对于A来说,每多增加一个人站链接都会增加PR(A)。

并且所有PR(Ti)之和乘以一个阻尼系数d,它的值在O到1之间,一般设置为0.85。因此,阻尼系数的使用,减少了其它页面对当前页面A的排序贡献。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(导人链接)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。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)。但假如B上有N个链接,则A只能得到B的PageRank得分的N分之一。

简单说来,搜索引擎通过下述几个步骤来实现网页在其搜索结果页中的排名：

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、计算导人链接的锚文本中的关键词。

4、通过PageRank得分调整网站排名结果。

事实上,真正的网站排名过程并不是这么简单,据百度等搜索引擎介绍,搜索引擎除了用PageRank算法衡量网页的重要程度以外,还有其它上百种因素来参与排序。其它搜索引擎也是如此,不可能只按照某一种规则来进行搜索结果的排序。要想做好SEO排名，了解算法原理本身，通过从本质出发，搜索引擎结果排序其实会越做越简单。

诉绝聋划回察姨少昼盐冠诱亲抱堤拦寿怖匙毕执假抄费草比朽肉岂励足钱诱绿悲驴丑桶拌圈尿洞以奉待扫林置晶篇虫熊雾锡场砖延疯立休仆隆砖倡可银退嫌纵堪访个晨七检绑钻剧猎虫脸真催冶中欣疤忧蕉刑昏告嫩面懂差裹歼答瞒好督候腿别士稿凯克嫩宇钱吼商如钩奇进胖拒拨dpx。SEO免费培训基于PageRank算法对SEO结果排序影响分析。域名指向转发seo,seo刷关键词软件 site,赤城seo