每一個網站都有超連結 (hyperlink) 到另一個網站，該網站會將自己的 Page Rank Value 均勻分配給連出去的網站。當一個網站被連接的次數越多，則網站的 Page Rank 越高。

將 $N$ 個網站之間的關係轉為 Graph，計算轉換成馬可夫過程。但馬可夫過程容易造成 Page Rank 失算，因為有些點並沒有出度 (連接到別的網站)，數值就會隨著迭代集中到這個孤島上 (或者說蜘蛛網)，造成其他點的 Page Rank 皆為 0。為了防止這一點，給予 Page Rank 的總和 $N$。轉移只有 $\alpha$ 的信任度，剩餘的 $1 - \alpha$ 將隨機選擇全局的網站進行轉移。

例如

1: 2, 3, 4
2: 3, 4
3: 4
4: 2

$$
S_{n \times n} = \begin{bmatrix}
0 & 0 & 0 & 0\\
1/3 & 0 & 0 & 1\\
1/3 & 1/2 & 0 & 0\\
1/3 & 1/2 & 1 & 0
\end{bmatrix}
$$

根據 $G = \alpha S + (1 - \alpha) \frac{1}{n} U, ; \alpha = 0.85$ 得到

$$
\beta = (1 - \alpha) / 4 = 0.375\\
G_{n \times n} = \begin{bmatrix}
0 \times 0.85 + \beta  & \beta & \beta & \beta \\
1/3 \times 0.85 + \beta & \beta & \beta & 1 \times 0.85 + \beta\\
1/3 \times 0.85 + \beta & 1/2 \times 0.85 + \beta & \beta & \beta\\
1/3 \times 0.85 + \beta & 1/2 \times 0.85 + \beta & 1 \times 0.85 + \beta & \beta
\end{bmatrix}
$$

假設 Page Rank Vector $q^{\text{cur}}$ 和 $q^{\text{next}}$ 分別表示當前求得的結果和下一次的迭代數值，則

$$ q^{\text{next}} = Gq^{\text{cur}} $$

不斷地迭代直到 $|\overrightarrow{q^{\text{next}}q^{\text{cur}}}| < \varepsilon$，其中 $\varepsilon = 10^{-10}$