假设一个网络中有3个页面,页面A,B,C。其中,A有一个链接,指向B;B有两个链接,一个指向A一个指向C;C有两个链接,一个指向B一个指向A。这是网络的逻辑结构。那么现在开始计算了。
第一次迭代:给页面A注入一个PR值,假设是10,那么A的链接有1个,那么A的PR值1就完全的交给了B,这时候B的PR值就变成了10;B有两个链接,平均分给了其上两个链接所指向的页面,这时A的PR和C的PR相等,都是5;C有两个链接,它5的PR完全分给了这两个链接,那么第一次迭代完成的时候,PR是这么分布的:A:7.5,B:2.5,C:0
第二次迭代:A的PR是7.5,完全交给B,B的PR值就变成了10,然后就开始重复第一次迭代的第二步之后的计算了
那么PR就是,A的pr7.5,b2.5,才,0
神奇的地方在于,无论这1的PR从A,B,C任何一个页面中注入,不影响最后的PR分布。比如这次从C注入。
第一次迭代:C把PR完全交给A和B,各有5,A把自己的5完全交给B,B的PR变成10,然后开始重复由A注入PR之后第一次迭代的第二步。
pr的设定是,每个页面都有一个起始的PR值,然后这些PR值通过链接迭代计算,分布到整个网络的页面中
归根到底,PR值有以下几个特性
1.PR是实时计算的,每一刻都不一样。初次迭代获得的值在下一次迭代的时候就会变更,所以GOOGLE工具条上显示的1-10的PR值并不一定值得相信
2.PR远远不可能仅仅由1-10来衡量,ZAC在某个博文中透露过,PR可能是从1-100,或者更大,具体是多少太久了记不清楚,总之是比1-10这个区间大多了
3.PR仅仅根据链接数量来计算,跟锚文字没有关系(锚文字跟排名有关系,要弄清楚排名和PR有本质上的区别) |