PageRank算法最初是用于计算Web中网页的权威值 (或重要性)。PageRank算法认为一个网页的权威值可以通过网络的链接结构来传递,在Web的链接图中,如果存在一个页面q指向另一个页面p的链接,则表明q对p的认可(vote),即q将自己的权威值部分传递给了p。因此,一方面,指向一个页面p的页面越多,则该页面得到的权威值越高;另一方面,指向页面p的页面,如g,自身的权威值越高,则p得到的权威值也越高。基于以上递归定义的标准,Page提出运用“随机行走模型”(Random Walk Model)来计算Web页面的权威值。随机行走模型是指:一个人在网络上浏览网页,每看过一个网页之后就会随机点击网页上的链接访问新的网页。如果当前这个人浏览的网页x已经确定,那么网页x上每个链接被点击的概率也是确定的。在这种条件下,这个人点击了无限多次链接后,恰好停留在每个网页上的概率分别是多少?随机行走模型有一个显著的特点,那就是每一次迭代的结果只与前一次有关,与更早的结果完全无关,这种过程又被称为马尔可夫过程(Markov Process)或马尔可夫链(Markov Chain)。