Algoritmo PageRank

PageRank funciona como un concurso de popularidad recursivo en el que no todos los votos valen lo mismo. Trata cada enlace de una página a otra como un «voto», pero el voto de una página muy importante (como la del New York Times en nuestro ejemplo) cuenta mucho más que el de una poco conocida. Por eso gana el sitio B: la «importancia» que recibe de esa única fuente de autoridad supera los pequeños aportes de 500 blogs pequeños. La calidad pesa más que la cantidad.

Reflexiona sobre esto: En tu carrera profesional, ¿qué tiene más impacto: tener 50 conocidos con los que tienes un trato superficial o una relación estrecha con un líder respetado de tu sector?

El mecanismo central de PageRank suele explicarse con el modelo del «navegante aleatorio». Imagina que navegas por la web haciendo clic en enlaces completamente al azar. PageRank estima la probabilidad de que llegues a una página concreta en un momento dado. Las páginas a las que puedes llegar por muchos caminos, sobre todo desde otras páginas muy visitadas, acaban con una probabilidad mayor y, por tanto, una mejor posición. Como es más probable que estés en una página popular, cualquier enlace que salga de ella dirige una parte considerable del tráfico (o de la probabilidad) hacia su destino.

Un elemento clave del algoritmo es el «factor de amortiguación» (que suele fijarse en 0,85), que representa el aburrimiento. Gracias a él, el navegante aleatorio no se queda atrapado en un bucle entre dos páginas, sino que de vez en cuando se «teletransporta» a una URL elegida completamente al azar. Esto evita los bucles infinitos y garantiza que cada página tenga una probabilidad muy pequeña, pero mayor que cero, de recibir una visita, lo que mantiene estable el modelo matemático.

Aunque es famoso por su uso en las búsquedas web, esta lógica también funciona bien en otros sistemas complejos. En neurociencia, los investigadores la usan para crear mapas del cerebro e identificar regiones que actúan como centros de conexión e integran información de muchas otras áreas activas. Del mismo modo, en el análisis deportivo, permite clasificar a los equipos no solo por sus victorias, sino también por a quién vencen: derrotar a un campeón mejora mucho más la posición de un equipo que derrotar a un principiante.

PageRank se define matemáticamente como la distribución estacionaria de una cadena de Márkov que representa un recorrido aleatorio por un grafo. Es una variante de la centralidad de vector propio.

• Page et al. (1999) introdujeron la definición recursiva: la puntuación de una página es la suma de las puntuaciones de las páginas que la enlazan, cada una dividida por el número de enlaces salientes de la página correspondiente. [1]
• Langville y Meyer (2004) analizaron el factor de amortiguación y observaron que, aunque 0,85 equilibra la velocidad y la precisión, los valores más bajos hacen que la clasificación sea más estable frente al spam, pero menos sensible a la estructura real de la red. [2]
• Gleich (2015) demostró que PageRank resuelve problemas de centralidad mucho más allá de la web, como identificar especies clave en redes alimentarias y clasificar reacciones químicas según su importancia. [3]

PageRank exige muchos recursos de cálculo cuando se aplica a grafos enormes que cambian con frecuencia, como la web actual. También es vulnerable a las «granjas de enlaces»: grupos de sitios que crean bucles artificiales para mejorar sus posiciones. Esto hizo necesario desarrollar TrustRank y otras modificaciones para combatir estos abusos.