pr算法

1. PR的算法思路

在大学生上学时，需要写各种各样的论文，关于一篇论文，如何来评定它的价值呢？就是引用。写一篇论文，我们大多数并不能完全创新出新内容来，我们需要“站在巨人的肩膀上”，通过引用别人的文章，或者观点，来帮助说明自己的观点，当你引用别人的观点时，从一定意义上面来说，你是认为他的文章或者观点是有价值的。一个人说它有价值，两个人说它有价值，随着说它有价值的人越来越多，他的论文也显得越来越重要了。
从这个PR产生的背景上我们可以大致猜想到PR值的大致算法，如果将论文比作页面，引用别人的文章代表链接的话，PR值产生的大致思路便出现了：
A、B、C三个页面，B页面创建时，链接了A页面，C页面创建时也链接了A页面，那么A页面的PR值就是最高的了。

2. PR值的算法

PR值的算法：
PR（A）=（1-d）+d（PR（t1）/C（t1）+…+PR（tn）/C（tn））
其中PR（A）表示的是从一个外部链接站点t1上，依据PageRank系统给你的网站所增加的PR分值；PR（t1）表示该 外部链接网站本身的PR分值；C（t1）则表示该外部链接站点所拥有的外部链接数量。大家要谨记：一个网站的投票权 值只有该网站PR分值的0.85，而且这个0.85的权值平均分配给其链接的每个外部网站。设想我们的一个网站，被链 接至PR值为4，外部链接数为10的网站，则计算公式如下：
PR（AKA）=（1-0.85）+0.85*（4/10）=0.15+0.85*（0.4）=0.15+0.34=0.49
也就是说，如果我的网站和一个PR值为4、外部链接数为10的网站链接，最后我的网站将获得的PR值为0.49。 再让我们看看如果我们网站获得的是一个PR值为8，外部链接数为32的网站的链接，那么我将获得的PR分值将是：
PR（AKA）=（1-0.85）+0.85*（8/32）=0.15+0.85*（0.25）=0.3625

3. 网站PR的计算公式！

假设一个由4个页面组成的小团体：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1−q。

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。

完整的PR值计算方法

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。