TrustRank 算法

TrustRank 算法

TrustRank 是多年来常被讨论的基于链接关系的排名算法。TrustRank 可以被翻译为 “信任级别”。

TrustRank 算法最初来自 2004 年斯坦福大学和 Yahoo!的一项联合研究，用来检测垃圾网站，并且于 2006 年申请专利。TrustRank 算法的发明人还发表了一份专门的 PDF 文件，说明 TrustRank 算法的应用。感兴趣的读者可以在补充资源页面下载这份 PDF 文件。 TrustRank 算法并不是由 Google 提出的，不过由于 Google 所占市场份额最大，而且 TrustRank 的概念很可能在 Google 排名中也是一个重要的因素，所以有些人误以为 TrustRank 是Google 提出的。更让人糊涂的是，2005 年 Google 也曾经把 TrustRank 申请

为商标，虽然后来放弃了。

TrustRank 算法基于一个基本假设：好的网站很少会链接到坏的网站。反之，则不成立。也就是说，坏的网站很少链接到好网站这句话并不成立。正相反，很多垃圾网站会链接到高权威、高信任级别的网站，试图提高自己的信任级别。

基于这个假设，如果能挑选出可以百分之百信任的网站，将这些网站的信任级别评为最高，将这些网站所链接到的网站信任级别稍微降低，但也会很高。以此类推，第二层被信任的网站链接出去的第三层网站，信任度继续下降。由于种种原因，好的网站也不可避免地会链接到一些垃圾网站，不过离第一层网站点击距离越近，所传递的信任级别越高，离第一层网站点击距离越远，信任级别将依次下降。这样，通过 TrustRank算法就能计算出所有网站相应的信任级别，离第一层网站越远，是垃圾网站的可能性就越大。

计算 TrustRank 值首先要选择一批种子网站，然后人工查看网站，设定一个初始 TrustRank 值。挑选种子网站有两种方式：一种是选择导出链接最多的网站，因为 TrustRank 算法就是计算级别随着导出链接的衰减。导出链接多的网站，在某种意义上可以理解为“逆向 PR 值”比较高。另一种挑选种子网站的方法是选择 PR 值高的网站，因为 PR 值越高，在搜索结果页面出现的概率就越大。这些网站才正是 TrustRank 算法应该关注的、需要调整排名的网站。那些 PR 值很低的页面，在没有 TrustRank 算法时排名也很靠后，计算 TrustRank 值的意义就不大了。

根据测算，挑选出两百个左右网站作为种子，之后就可以比较精确地计算出所有网站的 TrustRank 值。

计算 TrustRank 值随链接距离递减的公式有两种方式：一种是随链接次数衰减，也就是说如果第一层页面 TrustRank 值是 100，第二层页面衰减为 90，第三层页面衰减为 80。另一种是按导出链接的数目分配 TrustRank 值，也就是说，如果一个页面的 TrustRank值是 100，页面上有 5 个导出链接，每个链接将传递 20%的 TrustRank 值。衰减和分配这两种计算方法通常会被综合使用，使用后的整体效果是随着链接层次的增加，TrustRank值逐步降低。

得出网站和页面的 TrustRank 值后，可以通过两种方式影响排名。一种是把传统排名算法挑选出的相关页面，根据 TrustRank 值比较，重新进行排名调整。另一种是设定一个最低的 TrustRank 值门槛，只有超过这个门槛的页面，才被认为有足够的质量进入排

名，低于门槛的页面将被认为是垃圾页面，从搜索结果中过滤出去。

虽然 TrustRank 算法最初是作为检测垃圾页面的方法，但在现在的搜索引擎排名算法中，TrustRank 概念使用更为广泛，常常影响网站的整体排名。TrustRank 算法最初针对的是页面级别，在现在的搜索引擎算法中，TrustRank 值也经常表现在域名级别，整个域名的信任级别越高，整体排名能力就越强。

2023 年 11 月 2 日，微软必应申请了一个名为“网络内容可靠性分类”（Web Content Reliability Classification）的专利，其概念与 TrustRank 极为类似。这份专利描述的方法是给页面计算出一个“高可靠性分数”（与高可靠性网站的符合程度）和一个“低可靠性分数”（与低可靠性网站的符合程度）。基本方法是，首先选出高可靠度的内容作为种子，然后进行迭代计算，从越多种子内容获得链接，这个目标页面的可靠性也越高，“高可靠性分数”就越高。“低可靠性分数”与此类似，但是通过指向低可靠性内容的链接数计算。

本文档为站内渲染。原始文件本地路径：saas/source/seo-llm/SEO实战密码-markdown-第02章-了解搜索引擎-链接原理-TrustRank-算法-8ac401.md（仅本地保留，不入库不部署）