PageRank là phương pháp xếp hạng trang web khách quan và cơ học, chú ý đến lợi ích con người. Công cụ tìm kiếm web phải đối mặt với khách và trang web không có kinh nghiệm thao túng dịch vụ xếp hạng truyền thống. Một số phương pháp đánh giá đếm đặc trưng có thể nhân bản của trang web không miễn dịch với thao túng.
Nhiệm vụ là tận dụng cấu trúc siêu liên kết của Web để tạo xếp hạng quan trọng toàn cục của mọi trang web. Xếp hạng này gọi là PageRank.
Cơ chế Web phụ thuộc vào đồ thị với khoảng 150 triệu nút (trang web) và 1.7 tỷ cạnh (siêu liên kết). Nếu trang web A và B liên kết đến trang C, A và B gọi là backlink của C. Nói chung, trang liên kết nhiều hơn quan trọng hơn. Do đó chúng có nhiều backlink hơn và backlink quan trọng hơn ít về số lượng.
Ví dụ, trang web có một backlink từ Yahoo phải xếp hạng cao hơn trang với nhiều backlink từ trang không rõ/riêng tư. Trang web có xếp hạng lớn nếu tổng xếp hạng của backlink của nó quá lớn.
Phiên bản đơn giản của PageRank: Cho u, v là trang web. Cho Bu là nhóm trang trỏ đến u. Thêm vào đó, cho Nv là số liên kết từ v. Cho c < 1 là yếu tố chuẩn hóa. Mô tả xếp hạng đơn giản R, phiên bản đơn giản của PageRank:
$$\mathrm{R(u)\:=\:c\displaystyle\sum\limits_{u\in{Bu}}\frac{R(v)}{N_v}}$$
Xếp hạng trang được chia đều giữa các kết nối tiến để đóng góp vào xếp hạng các trang chúng trỏ đến. Phương trình đệ quy nhưng có vấn đề với hàm đơn giản này.
Nếu hai trang web trỏ lẫn nhau nhưng không trang khác nào trỏ đến trong khi trang web khác trỏ đến một trong số chúng, vòng lặp sẽ tạo ra trong lặp. Vòng lặp sẽ tích lũy xếp hạng nhưng không bao giờ chia sẻ xếp hạng. Bẫy do vòng lặp trong đồ thị không có out-edge gọi là rank sinks (hố xếp hạng).
Thuật toán PageRank bắt đầu bằng chuyển đổi mọi URL từ database thành số. Giai đoạn tiếp theo lưu mỗi siêu liên kết trong database dùng ID nguyên để nhận diện trang web. Lặp bắt đầu sau khi sắp xếp cấu trúc liên kết theo parent ID và loại bỏ liên kết lơ lửng (dangling links).
Phân bổ ban đầu tốt nhất phải chọn để tăng tốc hội tụ. Trọng số từ bước thời gian hiện tại giữ trong bộ nhớ và trọng số trước truy cập trên đĩa trong thời gian tuyến tính. Sau khi trọng số hội tụ, liên kết lơ lửng chèn lại và xếp hạng tính lại. Tính toán thực hiện tốt nhưng có thể nhanh hơn bằng cách dễ dàng tiêu chí hội tụ và dùng phương pháp tối ưu hóa hiệu quả hơn.