Como ese es uno de los secretos mejor guardados de Google, podrían ser un poco reacios a hacerlo gratuito para el público. Sin embargo, el primer documento publicado sobre PageRank es:
“La anatomía de un motor de búsqueda web hipertextual a gran escala” ~ @http: //infolab.stanford.edu/~bac…
2.1.1 Descripción del cálculo de PageRank
- ¿Por qué no hay un motor de búsqueda Quora como Google?
- ¿Quién contrata redactores SEO?
- ¿Cuáles son los mejores sitios de envío de infografías en 2017?
- Cómo obtener un vínculo de retroceso dofollow de Pinterest
- ¿Google unificará los motores de búsqueda del mundo?
La literatura de citas académicas se ha aplicado a la web, en gran medida contando citas o vínculos de retroceso a una página determinada. Esto proporciona una aproximación de la importancia o calidad de una página. PageRank amplía esta idea al no contar los enlaces de todas las páginas por igual, y al normalizar por el número de enlaces en una página.
PageRank se define de la siguiente manera:
Suponemos que la página A tiene páginas T1 … Tn que apuntan a ella (es decir, son citas). El parámetro d es un factor de amortiguamiento que se puede establecer entre 0 y 1. Por lo general, establecemos d en 0.85. Hay más detalles sobre d en la siguiente sección. También C (A) se define como el número de enlaces que salen de la página A. El PageRank de una página A se proporciona de la siguiente manera:
PR (A) = (1-d) + d (PR (T1) / C (T1) +… + PR (Tn) / C (Tn))
Tenga en cuenta que los PageRanks forman una distribución de probabilidad sobre las páginas web, por lo que la suma de todos los PageRanks de las páginas web será uno.
El PageRank o PR (A) se puede calcular utilizando un algoritmo iterativo simple y corresponde al vector propio principal de la matriz de enlaces normalizada de la web. Además, se puede calcular un PageRank para 26 millones de páginas web en unas pocas horas en una estación de trabajo de tamaño mediano. Hay muchos otros detalles que están más allá del alcance de este documento.