TrustRank算法的起源与发展
TrustRank是近年来比较受关注的基于链接关系的排名算法。TrustRank可以翻译为"信任指数"。
TrustRank算法最初来自于2004年斯坦福大学和雅虎的一项联合研究，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。感兴趣的读者可以下载PDF文件了解详细技术细节。
TrustRank算法的基本假设
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、高信任指数的网站，试图提高自己的信任指数。
基于这个假设，如果能挑选出可以百分之百信任的网站，这些网站的TrustRank评为最高，这些TrustRank最高的网站所链接到的网站信任指数稍微降低，但也会很高。与此类似，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。
TrustRank计算机制详解
信任衰减原理
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，所传递的信任指数越高，离第一级网站点击距离就越远，信任指数将依次下降。这样，通过TrustRank算法，就能给所有网站计算出相应的信任指数，离第一层网站越远，成为垃圾网站的可能性就越大。
种子网站选择标准
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算法就是计算指数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算法最关注的、需要调整排名的网站。
TrustRank值的计算与衰减
根据测算，挑选出两百个左右网站作为种子，就可以比较精确地计算出所有网站的TrustRank值。
计算TrustRank随链接关系减少的公式有两种方式：一种是随链接次数衰减，也就是说如果第一层页面TrustRank指数是100，第二层页面衰减为90，第三层衰减为80。第二种计算方法是按导出链接数目分配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。
TrustRank在搜索引擎排名中的应用
得出网站的页面和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多个页面，根据TrustRank值比较，重新做排名调整。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。
TrustRank的现代应用与发展
虽然TrustRank算法最初是作为检测垃圾的方法，但在现在的搜索引擎排名算法中，TrustRank概念使用更为广泛，常常影响大部分网站的整体排名。TrustRank算法最初针对的是页面级别，现在在搜索引擎算法中，TrustRank值也通常表现在域名级别，整个域名的信任指数越高，整体排名能力就越强。
结语
TrustRank算法作为链接分析技术的重要发展，为搜索引擎识别高质量网站和过滤垃圾网站提供了有效方法。理解TrustRank原理对于SEO优化从业者制定有效的网站优化策略具有重要指导意义。
通过建立高质量的链接关系网络，提升网站的信任指数，网站可以在搜索引擎中获得更好的排名表现，从而实现可持续的在线可见性提升。
重点提示：
TrustRank基于"好网站很少链接到坏网站"的基本假设
信任指数随着链接层次增加而衰减
种子网站选择是TrustRank计算的关键环节
TrustRank影响搜索引擎排名的多个层面
理解TrustRank有助于制定有效的SEO策略
网站品牌策划：深度行业分析+用户画像定位，制定差异化品牌策略
