Расчет pagerank. Описание PageRank, способы его вычисления. Если PageRank дать точное определение то

В поисковой системе.

Одним из первых показателей , основанным на передаче так называемого веса ссылки, стал алгоритм PageRank. Со временем этот алгоритм совершенствовался создателями каждой из , усложнялся и все меньше влиял на общую документа. Однако во все ссылочные алгоритмы поисковиков заложена идея PageRank, созданная в 1996 году Сергеем Брином и Ларри Пейджем, усовершенствованная и усложненная.

PageRank (PR) — это вероятность перехода пользователя на страницу, которая рассчитывается из анализа ссылочного графа. Она складывается из вероятностей перехода по всем ссылкам, ведущим на указанную страницу. В свою очередь, каждая такая вероятность рассчитывается исходя из вероятности получения посетителей на страницу-донор и т.д. Таким образом, чем выше вероятность перехода на страницу, тем выше авторитет данной страницы.

Ранее можно было утверждать, что PageRank может «перетекать» с одной страницы на другую по четко установленным формулам, сейчас же вес ссылки зависит от кликабельности, ее характеристик, качества донора.

Классическая формула расчета PageRank:

, где

PR - PageRank рассматриваемой страницы,

d - коэффициент затухания (означает вероятность того, что пользователь, зашедший на страницу, перейдет по одной из ссылок, содержащейся на этой странице, а не прекратит путешествие по сети), в классической формуле обычно он равен 0,85.

PRi - PageRank i-й страницы, ссылающейся на рассматриваемую страницу,

Ci - общее число ссылок на i-й странице.

Основная идея работы с PR заключается в том, что страница передает свой вес, распределяя его на все исходящие ссылки. Чем больше ссылок на странице-доноре, тем меньший вес достанется каждой странице-акцептору.

Сложность прогнозирования PR состоит в том, что в реальности, как правило, нельзя рассматривать определенную страницу и определенный сайт отдельно от других ресурсов. Тем не менее, моделирование может быть полезно для понимания примерной картины. Неплохой сервис для этого - PageRank Decoder .

PageRank также связан с оценкой цитируемости, т.е. с оценкой вероятности перехода посетителя по одной из ссылок. Чем выше цитируемость, тем более популярна страница сайта, на которую ставятся ссылки, и, соответственно, чем больше качественных ссылок, тем вероятность авторитетности ресурса выше.

PageRank это один из основных внешних показателей сайта, который значительно влияет на популярность Вашего ресурса в Интернете и существенно влияет на потенциальный доход который Вы можете получать (например, продавая ссылки на страницах Вашего сайта).
В этой статье я хочу детально описать все моменты которые касаются PageRank от Google.

Что такое PageRank и для чего он нужен?
Как известно, PageRank - численный показатель относительной авторитетности страницы сайта среди всех других страниц интернета, используемый поисковой машиной Google. В основе PageRank лежит принцип вычисления в научных кругах авторитетности ученого по тому, кто и как часто из других ученых ссылается на работы данного.
Особенности PageRank :
- показатель присваевается не ресурсу в целом, а отдельной странице сайта (как правило, наибольший уровень PageRank имеет главная страница, так как наибольшее количества ссылок именно на нее);
- ссылка, ведущая со страницы, не уменьшает PageRank (статический вес) этой страницы;
- уровень PageRank не влияет на релевантность страницы, то и есть она не будет попадать на первые позиции по поисковым запросам, только потому что она имеет больше веса. В какой-то мере это конечно влияет, на позицию, но Google отдает предпочтение качественному содержанию страницы отвечаещему поисковому запросу.

Для чего же нужен PageRank? Ведь он не влияет на релевантность.
Веб-мастерам он необходим для увеличение стоимости размещения ссылок на их ресурсы. Если цена ссылки на страничке (не главной) с PR = 0 стоит максимум до 10 центов, то с PR = 4 стоит в разы больше.
Также, высокий уровень PageRank свидетельствует про авторитетность страницы, ее полного восприятия поисковой системой Google. Совокупность таких страниц позволяет Google формировать тематическое мнение про ресурс. Не буду утверждать, но я думаю что Google довольно часто не найдя конкретной запрошеной информации, выдает в ответе близке тематические ресурсы и соответсвенно ранжирует ее в зависимости от уровня PageRank. Как бы подсказывая пользователю где он бы мог найти интересующую его информацию.

Как вычислить PageRank?
Чтобы вычислить PageRank для страницы, необходимо учесть все внутренние и внешние ссылки на эту страницу:
- чем больше внешних ссылок на страницу, тем больше веса PageRank передается этой странице;
- чем больше внутренних ссылок на странице (в том числе внешние на другие ресурсы), тем больше вес PageRank распыляется по каждой ссылке равномерно. Таким образом все ссылки получат одинаковый вес.

Исходя из этого, Вы должны создать внутренню перелинковку сайта, таким образом чтобы PageRank передавался все страницам, но не сразу, а по цепочке. И чем длинее цепочка, тем больше веса получать страницы в ней (запретить передачу PageRank ссылкам можно добавив в них атрибут rel=nofollow).

Для вычисления PageRank для страницы можно использовать следующие уравнение:

PR(A) = (1-d) + d(PR(t1)/C(t1) +... + PR(tn)/C(tn))

PR() - PageRank страницы в виде числового числа (число с плавающей точкой);
A - страница PageRank которой мы определяем;
t1...tn - страницы, ссылающейся на страницу A;
C - количество исходящих ссылок со страницы А;
d - коэффициент затухания, обычно принимаемый 0,85.

Страница передает значение PageRank всем страницам, на которую она ссылается. При этом, значение PageRank вычисляется как собственна величина PageRank этой страницы умноженая на 0,85. Потом, эта величина распределяется равномерно между всеми страницами, на которые она ссылается.

При помощи таблицы можно приблизительно рассчитать, какой PageRank получит наша страница при определенном количестве ссылок на нее:

Количество ссылок:	PageRank страниц, которые ссылаются на нашу:
Количество ссылок:	0	1	2	3	4	5	6	7	8	9	10
1	0	0	0	+1	+2	+3	+4	+5	+6	+7	+8
4	0	0	+1	+2	+3	+4	+5	+6	+7	+8	+9
19	0	+1	+2	+3	+4	+5	+6	+7	+8	+9	+10
101	+1	+2	+3	+4	+5	+6	+7	+8	+9	+10	-
555	+2	+3	+4	+5	+6	+7	+8	+9	+10	-	-
3 055	+3	+4	+5	+6	+7	+8	+9	+10	-	-	-
16 803	+4	+5	+6	+7	+8	+9	+10	-	-	-	-
92 414	+5	+6	+7	+8	+9	+10	-	-	-	-	-
508 277	+6	+7	+8	+9	+10	-	-	-	-	-	-
2 795 522	+6	+7	+8	+9	+10	-	-	-	-	-	-
15 375 379	+7	+8	+9	+10	-	-	-	-	-	-	-
84 564 584	+8	+9	+10	-	-	-	-	-	-	-	-
449 527 525	+9	+10	-	-	-	-	-	-	-	-	-

Проверить значение PR страниц можно на

В настоящее время используются текстовые и ссылочные критерии ранжирования страниц при поиске. Первые определяют уместность ("релевантность") документа исходя из наличия слов запроса в тексте и заголовках страницы. Однако, наличие большого количества документов может обесценить изощренные механизмы расчета релевантности, основанные только на содержимом страницы. Это и произошло, когда люди поняли, какую выгоду они получают от целевых посетителей, которых бесплатно предоставляют поисковики. Качество поиска испортилось, количество документов возросло - "релевантный" документ стало очень легко создать.

В целях улучшения качества поиска часть работы по определению "хороших", "важных" документов косвенно возложили на вебмастеров сети. Размещая ссылку на внешний сайт, создатель как бы рекомендует его посетителям своего сайта - именно эту особенность интернета решили использовать для улучшения качества поиска. Повышенная значимость документа определяется, таким образом, с учетом ссылок извне на сайт, содержащий этот документ.

Ссылочные критерии ранжирования помогли несколько исправить положение. Такой критерий достаточно трудно подделать - на это требуется добрая воля других вебмастеров, которые заботятся о качестве своих ресурсов и не будут "продвигать" недостойные сайты. Таким образом, ставка была сделана на саморегуляцию интернета, но новичков такой порядок не устраивал - их просто так никто не пускал в "клуб известных сайтов". И когда новые правила игры были осознаны, поисковики постепенно начали проигрывать.

Однако, как учесть цитируемость ресурса? Ссылки ведь тоже бывают разные. Количество внешних ссылок на сайт не годится для представления цитируемости - с появлением бесплатных хостингов количество ссылок очень легко увеличить. Но важность таких ссылок ничтожна по сравнению со ссылками с известных ресурсов. PageRank и есть такой параметр важности , он выражает цитируемость страницы.

Что такое PageRank и зачем он нужен?

Слово PageRank буквально можно перевести как "ранг страницы". Само название определяет алгоритм расчета цитируемости, разработанный и используемый by Sergey Brin & Larry Page, разработчиками поисковой системы Google. Русские аналоги - Взвешенный Индекс Цитирования (ВИЦ у Яндекса), есть аналог и у Апорта, Рамблер планирует ввести учет цитируемости осенью 2002 года. В дальнейшем будем употреблять обозначения цитируемость и PR наравне с PageRank.

Цитируемость -это число, которое рассчитывается для каждой веб-страницы отдельно, и определяется цитируемостью ссылающихся на нее страниц. Своего рода замкнутый круг.

В чем основная идея? Нужно найти жизненный критерий, выражающий важность страницы. В качестве такого критерия была выбрана теоретическая посещаемость страницы. Была построена модель путешествия пользователя по сети путем перехода по ссылкам. При этом есть вероятность того, что посетителю сайт надоест и он закроет броузер и начнет со случайной страницы (допустим, вероятность этого равна 0.15 на каждом шаге). Соответственно, с вероятностью 0.85 он продолжит путешествие, кликнув на одну из доступных на странице ссылок (все ссылки при этом равноправны). Продолжая путешествие до бесконечности, он побывает на цитируемых страницах много раз, а на нецитируемых - меньше. Таким образом, PageRank веб-страницы был определен как вероятность нахождения пользователя на этой веб-странице ; при этом, конечно, сумма вероятностей по всем веб-страницам сети равна единице - где-то он должен обязательно быть!

Из модели следуют три вывода. Во-первых , PageRank нормируется по всем документам сети. Правда, сами величины, в общем-то, относительны, поэтому при расчетах часто нормируют не на единицу по сумме всех страниц, а на единичный усредненный PR (т.е. суммарный по N страницам PageRank равен N, а в среднем - единица). Пугаться этого не следует, просто PR выражен уже не в единицах вероятности, а в относительных единицах.

Во-вторых , PR передается не полностью, есть "затухание". Поэтому длинные цепочки ссылок на сайте малополезны. С человеческой точки зрения то же самое выражает известное правило "трех кликов".

В-третьих , каждая страница изначально имеет ненулевой PR, но очень маленький.

Относитесь с осторожностью к расчетам PageRank, если-

PR рассчитывается для совокупности страниц без учета "внешнего" PR. PageRank - величина, которая не имеет физического смысла в отрыве от Глобальной сети. Точнее, такой PR - это совсем новый PR.
Выявляются закономерности о "сохранении среднего PR" или проводятся нормировки по ограниченному набору страниц. PageRank определен и действует в глобальном масштабе.

Аналогия

Представьте себе озеро (сайт), в которое впадают ручьи и речки (потоки посетителей, пусть "теоретических"). Количество потоков может быть любым, но река приносит много воды, а ручей мало. Поэтому в свое озеро нужно направлять мощные потоки. Какая-то часть воды "уходит в песок", остальное вытекает из вашего озера и впадает в другие озёра. Часть воды испаряется.

В этом смысле рассмотрение распределения PageRank по страницам сайта в отрыве от внешних источников PageRank аналогично переливанию из пустого в порожнее . По внешнему виду сухого русла сложно представить силу потока в реке. Дождь дает очень мало воды - это и есть PageRank сайта, на который никто не ссылается.

Замечания

PageRank - не единственный ссылочный критерий ранжирования. Он учитывает только наличие ссылки, но не учитывает текст в ссылке, и текст ссылающегося документа.

Алгоритм "выдавливает" наверх в поиске те документы, которые и без поисковика наиболее популярны. Однако введение такого алгоритма при поиске существенно ужесточает конкуренцию, если это поисковик масштаба Google.

Расчет PageRank

Итак, будем рассматривать PageRank страницы как вероятность попадания пользователя на страницу, выраженную в относительных единицах.

PageRank (P i ) страницы i выражается как
{1}

где:
d -т.н. "damping factor", параметр затухания. Принимается равным 0.85-0.9. Выражает вероятность того, что пользователь, зашедший на страницу, будет продолжать путешествие и переходить по ссылкам.
P i - PageRank интересующей нас страницы i
j - обозначение страниц, на которых есть ссылки на i -ю
P j - PageRank страницы j , ссылающейся на i -ю.
С j - Число ссылок на странице j .
1/С j - Вероятность того, что пользователь, находящийся на странице j , из j доступных ему ссылок выберет именно ссылку на нашу страницу i .
d*P j /С j - поток "теоретической посещаемости", который дойдет до страницы i со страницы j . Суммирование идет по всем страницам, ссылающимся на i -ю.
(1-d) - минимальный PageRank страницы. Он не равен нулю за счет того, что пользователь регулярно выбирает новый сайт в качестве стартовой точки.

Однако, на PageRank наложено ограничение:

где N - общее количество веб-страниц в Интернет.

Т.е., средний PageRank равен единице . Ограничение это следует из нормировки вероятности пребывания пользователя по всей сети - сумма вероятностей по всем страницам равна единице. Таким образом,
Вероятность i =PageRank i /число страниц в сети

Отметим, что значение PageRank, равное единице, только кажется большим. Количество страниц в сети (N) очень велико, и вероятность 1/N - чрезвычайно мала.

Решая систему уравнений, можно найти PageRank всех страниц в Интернет. Расчет можно вести разными методами:

Итерационный метод расчета PageRank

Метод наиболее часто используется. Он состоит в численном решении системы уравнений:

Выбираем геометрию сайта, расстановку ссылок, систему уравнений
Задаемся начальными значениями PageRank для каждой страницы. Они могут быть любыми.
Рассчитываем новый набор значений PageRank по уравнению (1) исходя из имеющегося набора значений
Рассчитываем средний PageRank по всему набору страниц, и делим PR каждой страницы на полученную величину. В результате средний PR становится равным единице.
Если набор значений PageRank изменился по сравнению с исходным набором шага 3, возвращаемся к шагу 3. Если нет, то расчет заканчиваем.

При исследовании влияния геометрии сайта на распределение PageRank удобно представить структуру ссылок в виде матрицы:

В таблице выше представлен сайт из четырех страниц, на котором ссылки замкнуты в "кольцо". Страница 1 ссылается на 2 (1- есть ссылка, 0-ссылки нет), 2 на 3, 3 на 4, 4 обратно на 1. Представление структуры сайта в таком виде удобно, в частности для расчетов.

Для того, чтобы поэкспериментировать с различными структурами сайтов, можно скачать заготовки в MS Excel для 10 страниц (30 итераций) и 30 страниц (90 итераций). Распределение PageRank по страницам рассчитывается сразу и представлено в желтой строке.

Матричный метод расчета PageRank

По уравнению 1:

Нижеприведенную "матрицу связей" можно умножить на вектор значений PageRank m -го шага итерации, полученный вектор умножить на d , прибавить единичный вектор, умноженный на (1-d) и получить следующее приближение вектора PageRank с номером m+1 , который нужно пронормировать (чтобы сумма проекций вектора PR была равна N). При навыках работы с математическими программами (например, Mathcad) этот способ может быть более удобным.

	1	2	3	4
1	0	1/3	1/3	1/3
2	0	0	1/2	1/2
3	0	0	0	1
4	1	0	0	0

Здесь страница 1 ссылается на 2, 3, 4; страница 2 - на 3 и 4; страница 3 на 4, а 4 на 1. Представленная матрица содержит значения M ij =1/C j->i , т.е. значение в каждой ячейке разделено на общее количество ссылок C j на странице j .

Недостатки численных и итерационных методов

Фактически, оба приведенные выше метода являются разными формулировками итерационного метода расчета значений PageRank. Они требуют работы с конкретными численными значениями PageRank . Методы использованы для расчетов в работах [ , ].

Однако, рассмотрим реальную ситуацию. Для того, чтобы воплотить в жизнь свои знания о распределении PageRank, необходима индексация ваших страниц. В случае Google, ваш сайт не будет проиндексирован (либо придется ждать индексации очень долго) до достижения некоего порогового значения PageRank. В любом случае, на ваш сайт должны существовать ссылки, хотя бы одна. Это значит, что ваш сайт не оторван от "внешнего мира", и существует ненулевой "входящий PageRank" , направленнный извне на ваш сайт.

Из этого рассуждения следует, что:

Расчеты PR "в отрыве" от окружения сайта неточны для каждой страницы вашего сайта - они проделаны для нулевого входящего PageRank
Правило нормировки не работает в пределах вашего сайта (но работает в пределах глобального набора проиндексированных страниц , т.е. в рамках Интернет по версии Google)
Никакой численный расчет не может применяться в динамике - ведь входящий PageRank изменяется по мере раскрутки сайта (если вы дочитали до этого места, вероятно, раскруткой своего сайта будете заниматься так же упорно). Соответственно, меняется во времени PR каждой страницы.

Стоит помнить о том, что по своей сути PageRank - это поток (поток теоретической посещаемости). Соответственно, расматривая свой сайт как "маленькую вселенную", вы не учитываете потоки извне. Если применить аналогию , такой сайт похож на высохшее озеро, на дне которого осталось несколько луж, и вы рассчитываете, в какой из них будет больше воды.

Посмотрим, что происходит при увеличении входящего PageRank.

Вот простейший сайт из четырех страниц, ссылок извне нет-

А здесь входящий PageRank равен единице-

Но нам скоро станет лень рассчитывать PageRank при каждом "воображаемом" изменении внешнего PageRank (P 0). Поэтому рассмотрим общий случай и выразим PR страниц как функции от P 0 -

В дальнейшем будем рассчитывать PageRank страниц как функции от входящего PR. Это позволит выделить ту компоненту PageRank, которая увеличивается по мере раскрутки, и отделить "остатки" в виде констант, величина которых порядка единицы. А солипсистскими методами расчета пользоваться на будем - мы ведь не одни в Интернете...

Функциональный метод расчета PageRank

Итак, будем рассчитывать PageRank страниц сайта как функцию от внешнего, "входящего" PageRank. Для этого нужны: уравнение (1) и представление об эквивалентности страниц одного типа. Пример-

На сайте, который приведен ниже, 3 нижних страницы эквивалентны между собой во всех смыслах. Соответственно, все они будут иметь одинаковый PageRank (P 2). Головная страница отличается от них и имеет PR=P 1 .

Запишем уравнения для страниц вида 1 и вида 2:

P 1 =0.15+0.85*(P 0 +3P 2)
- на страницу вида 1 ссылаются 3 страницы вида 2 , на каждой из которых есть одна ссылка.

P 2 =0.15+0.85*(P 1 /3)
- на страницу вида 2 ссылается страница вида 1 , на которой есть 3 ссылки.

Решая эту систему, получаем-

P 1 =0.15*(1+3*0.85)/(1-0.85^2)+0.85/(1-0.85^2)*P 0 =1.92+3.06*P 0
P 2 =0.69+0.87*P 0

Этим методом хотя и сложнее пользоваться, но он обладает одним хорошим качеством, которого нет у итерационных методов - общностью .

Откуда берется PageRank?

Поль Дирак выдвигал предположение, что существует оптимальное расстояние, с которого лучше всего наблюдать женское лицо. Действтительно: на нулевом расстоянии, равно как и на бесконечном, удовольствие от созерцания стремится к нулю. В то же время, на промежуточном расстоянии оно явно не нулевое. Значит, между нулевым и бесконечным расстоянием существует максимум функции Удовольствие=f(Расстояние)

Давайте рассмотрим, хотя бы с помощью итерационного метода, два граничных случая связности сайтов.

Случай 1: Все страницы в Интернете замкнуты в "кольцо" - на каждой есть только одна ссылка на соседа, и только одна входящая ссылка.
Результат:

Случай 2: Все страницы в Интернете перелинкованы друг с другом - на каждой из N страниц есть ссылки на всех N-1 соседей, и столько же входящих ссылок (N-1).
Результат: PageRank равен единице для всех страниц.

Откуда же берется большой PageRank?

Ответ: из неоднородности распределения ссылок по страницам. Дело в том, что все страницы сети были эквивалентны , что привело к одинаковому значению PageRank. Но если в однородном Интернете 2 страницы "обменяются ссылками", их PageRank увеличится. А у всего остального Интернета - чуть-чуть, но уменьшится. Таким образом, те, кто обмениваются ссылками, "стягивают одеяло на себя".

Надо сказать, что приведенный выше функциональный метод чуть-чуть неточен. Дело в том, что он не учитывает изменения среднего PageRank сети при появлении рассмотренного сайта. На сайте средний PageRank не равен единице, в отличие от Интернета, поэтому после проведенного расчета нужно пересчитать PR всех страниц в сети:

PR i new =PR i old *(Средний PR в интернете без вашего сайта)/(Средний PR в интернете, включая ваш сайт)

Но, поскольку суммарный PR по Интернету никто не знает, делать этого мы не будем. В любом случае эти изменения мизерные, но именно они и являются тем самым "стягиванием одеяла на себя ".

Промежуточные выводы

Мало смысла в расчете PageRank страниц без учета "внешнего" PageRank
Нормировка PageRank на единицу работает только в глобальном масштабе, но не в пределах одного сайта
Значения PageRank порядка единицы очень малы и неинтересны для анализа. Основной интерес представляет передача потока PageRank от одной страницы к другой

найти еще статьи

Чтобы вычислить PageRank для страницы, необходимо учесть все внутренние и внешние ссылки на эту страницу. Ниже приведено уравнение для расчета значения PageRank страницы А.

PR(A)=(1-d) + d(PR(t1)/C(t1) + … + PR(tn)/C(tn))

PR(t1…tn) - вес страницы, ссылающейся на страницу A

C - количество исходящих ссылок со страницы А

d - коэффициент затухания, обычно принимаемый 0.85.

Страница «голосует» своим значением PageRank на каждую страницу, на которую она ссылается. Голосующее значение для страницы складывается из собственной величины PageRank этой страницы * 0.85. Эта величина распределяется равномерно между всеми страницами, на которые ведут исходящие ссылки.

Из уравнения следует, что одна ссылка со страницы с PR4 и пятью исходящими ссылками передаст больший вес, чем ссылка со страницы с PR8 и сотней исходящих ссылок. Чем больше исходящих ссылок на странице, тем меньший PageRank будет передан по такой ссылке.

Заметьте, что когда страница голосует своим значением PageRank за другие страницы, собственный PageRank этой страницы не уменьшается. Голосующая страница не отдает свое значение PageRank. Это похоже на собрание акционеров, где каждый акционер голосует согласно количеству имеющихся у него акций, но сами не отдает. Далее мы увидим, что все-таки страницы косвенно теряют некоторый PageRank.

Уравнение ясно показывает, откуда берется значение PageRank для любой страницы. Предположим, что у нас есть 2 страницы, A и B, какая ссылается друг на друга, никаких других ссылок на этих страницах нет. Вот что случается:

Вычисление Google PageRank для страницы А

Шаг 1 : Вычислим значение PageRank для страницы A

Страница теперь имеет новое значение PageRank. Для вычисления использован вес исходящей ссылки со страницы B. Но страница B также имеет исходящую ссылку на страницу A и полученное значение PageRank не может быть точным, пока не известно значение PageRank для страницы В.

Вычисление Google PageRank для страницы B

Шаг 2 : Вычислим значение PageRank для страницы B

Страница B теперь имеет новое значение PageRank, которое не может быть точным, поскольку для вычисления использовано неточное значение PageRank со страницы A.

Мы не можем вычислить точное значение PageRank для страницы A, пока мы не узнаем значение PageRank для страницы B, и мы не можем вычислить точное значение PageRank для страницы B, пока не узнаем значение PageRank для страницы A.

Можно снова и снова пересчитывать значение PageRank для страниц А и В, и каждый раз результат будет отличаться от предыдущего и будет неточным. Мы можем повторять вычисления снова, используя полученные на предыдущем этапе величины. Но мы всегда используем неточные значения для вычислений, так что результаты всегда будут неточными.

Преодолеть проблему можно, повторяя вычисления многократно. Всякий раз мы будем получать чуть более точные результаты. Фактически, точность не может быть достигнута никогда, поскольку вычисления всегда основаны на неточных исходных данных.

Рано или поздно мы достигнем точки, где дальнейшая итерация практически не будет влиять на результаты вычислений. Этим объясняется то, почему пересчет значений PageRank для всех страниц в у компании Google занимает так много времени и вычислительных ресурсов.

Мы можем четко быть уверены только в одном: ссылка из любого источника увеличивает показатели PageRank для нашего сайта.

PageRank или пейдж-ранк – один из алгоритмов ссылочного ранжирования в .

Этот показательно может быть от 0 до 10. На базе алгоритма ранжирования PageRank появился Гугл.

Если PageRank дать точное определение то:

PageRank - это числовая величина, характеризующая «важность» веб-страницы. Чем больше ссылок на страницу, тем она становится «важнее». Кроме того, «вес» страницы А определяется весом ссылки, передаваемой страницей B. Таким образом, PageRank - это метод вычисления веса страницы путём подсчёта важности ссылок на неё.

PageRank рассчитывается для каждой страницы, и если делать грамотную структуру сайта, его можно распределить равномерно или под нужные задачи по сайту.

Как можно проверить PageRank

Пейдж-ранк можно проверить с помощью разных сервисов или тулбаров в браузерах. Например, у сайта google.com PageRank 9, из 10.

Сервисы для проверки PR :

cy-pr.com
pr-cy.ru

Так де это можно сделать с помощью тулбаров, как:

seoquake.com
developing.ru/seobar
recipdonor.com/bar

Как было сказано ниже, PageRank влияет на ранжирование сайта, и если на продвигаемый сайт будут ссылаться множество ссылок с высоким пейдж-ранк, то это PR вашего сайта вырастет.

Основная формула, которая описывает PR:

Довольно таки обширную статью написал Александр Садовский, про растолкованный PageRank, статью читаем здесь

Книги по Google PageRank

— Google’s PageRank and Beyond: The Science of Search Engine Rankings

Данная книга с кучей формул, и для ее успешного чтения как минимум нужно хорошо знать математику

Часто задают такие вопросы

Как повысить PR сайта?

На самом деле есть много способов это сделать, самый простой и часто распространённый – это поставить ссылки с сайтов, на которых высокий PR, и когда поисковая система учтет ссылки, и сделает обновление алгоритма, он повысится на вашем сайте.

Когда и как часто обновляется PageRank?

Раньше PR обновлялся раз в 3-4 месяца, сейчас он обновляется по-разному, и нет четких интервалов, это может быть 1-3 раза в год.

Это обновление тулбарного (того что мы видим) пейдж-ранк, внутренний PR скорее всего обновляется чаще.

Влияет ли посещаемость сайта на PageRank?

Нет, не влияет. На PageRank влияет количество и качество ссылок, которые ссылаются на сайт.

PageRank – один из алгоритмов ранжирования поисковой системы Google. Чем выше он на вашем сайте, тем лучше.