注意，隨機(jī)訪問者模型天生能同時和超鏈接把戲及權(quán)重把戲相配合。換句話說，每個網(wǎng)頁鏈入鏈接的質(zhì)量和數(shù)量都會被納入考慮范圍。網(wǎng)頁B就展示了這些：網(wǎng)頁B的訪問者權(quán)重值相對較高（10%），得益于三個鏈入鏈接所在的網(wǎng)頁擁有適中的訪問者權(quán)重值，從4%到7%不等。

隨機(jī)訪問者把戲的美妙之處在于，和權(quán)重把戲不同，不管超鏈接有沒有形成循環(huán)，隨機(jī)訪問者把戲都能完美地運作?；氐皆缜暗某吹袄樱覀兡茌p易地運行一次隨機(jī)訪問者模擬。在數(shù)百萬次訪問之后，我的模擬產(chǎn)生了如上圖所示的訪問者權(quán)重值。請留意，和之前使用權(quán)重把戲進(jìn)行的計算一樣，伯特的網(wǎng)頁訪問者權(quán)重值要比歐尼的網(wǎng)頁高很多（28%VS 1%）——盡管這兩個網(wǎng)頁都只有一個鏈入鏈接。因此，伯特的網(wǎng)頁在網(wǎng)絡(luò)搜索查詢“scrambled eggs”（炒蛋）中排名更高。

現(xiàn)在讓我們再轉(zhuǎn)向前文中更困難的例子：對于最初的權(quán)重把戲而言，由于超鏈接循環(huán)的存在，第39頁的圖產(chǎn)生了一個不可解的問題。和前面一樣，運行一次隨機(jī)訪問者的計算機(jī)模擬很容易，于是產(chǎn)生了如上圖所示的訪問者權(quán)重值。由這一模擬判定的訪問者權(quán)重值給出了網(wǎng)頁的最終排名，這些排名會被搜索引擎在返回結(jié)果時使用：網(wǎng)頁A排名最高，之后是B和E，C和D的排名同列最后一名。

實際中的PageRank

谷歌的兩位聯(lián)合創(chuàng)始人于1998年在他們著名的會議論文《解析大規(guī)模超文本網(wǎng)絡(luò)搜索引擎》中描述了隨機(jī)訪問者把戲。通過和其他許多技術(shù)結(jié)合，這一把戲的變體仍被主流搜索引擎所使用。不過，由于眾多復(fù)雜因素，應(yīng)用在現(xiàn)代搜索引擎中的實際技術(shù)和本章描述的隨機(jī)訪問者把戲略有不同。

其中一個復(fù)雜因素直擊PageRank的核心：有時候，假設(shè)超鏈接傳輸?shù)暮戏?quán)威性有爭議。我們先前已了解到，盡管超鏈接能代表批評而非推薦，但這在現(xiàn)實中并不是個很大的問題。另一個更加嚴(yán)重的問題是，人們可以濫用超鏈接把戲，人為地提高自己網(wǎng)頁的排名。假設(shè)你運營著一個名為BooksBooksBooks.com的網(wǎng)站來售書（驚訝吧）。通過使用自動化技術(shù)，創(chuàng)建一大堆不同的網(wǎng)頁——比如一萬個——并讓這些網(wǎng)頁都鏈向BooksBooksBooks.com，做到這一切相對很容易。因此，如果搜索引擎和本章描述的一樣來計算PageRank權(quán)重，BooksBooksBooks.com的權(quán)重值就能比其他書店高數(shù)千倍，進(jìn)而有更高的排名和更多的銷售額，而這都不是BooksBooksBooks.com應(yīng)得的。