整個過程有一個轉(zhuǎn)折點：每次訪問一個網(wǎng)頁時，都有一個固定的重新訪問概率（大概是15%），讓訪問者不從已有的超鏈接中挑選一個并點擊。相反，訪問者會重新開始這一過程，從互聯(lián)網(wǎng)上隨機選擇一個網(wǎng)頁點擊。你也可以認(rèn)為訪問者有15%的概率對任何已有網(wǎng)頁厭倦，導(dǎo)致其點擊另一組鏈接，這么想也許會有幫助。要想找些例子，請仔細觀察上圖。這個特定的訪問者從網(wǎng)頁A開始，在對網(wǎng)頁B厭倦前連續(xù)點擊了三個隨機超鏈接，并在網(wǎng)頁C重新開始。在下次重新開始前，訪問者又點擊了兩個隨機超鏈接。（順便說一句，本章中所有隨機訪問者例子中的重新開始概率都為15%，這也是谷歌聯(lián)合創(chuàng)始人拉里·佩奇和謝爾蓋·布林在描述其搜索引擎原型的原始論文中使用的值。）

用計算機模擬這一過程很容易。我為此寫了一個程序并運行了它，直到訪問者訪問了1 000個網(wǎng)頁。（當(dāng)然，這并不意味著是1 000個不重復(fù)的網(wǎng)頁。對同一網(wǎng)頁的多次訪問也被納入了計算當(dāng)中，在這個例子中，所有網(wǎng)頁都被訪問了多次。）這1 000次模擬訪問的結(jié)果顯示在下圖（頂圖）中。你可以看到，網(wǎng)頁D的訪問次數(shù)最多，有144次。

就像民意調(diào)查一樣，我們可以通過增加隨機樣本的數(shù)目來提高模擬精度。我重新運行了一次模擬，直到訪問者訪問了一百萬個網(wǎng)頁。（也許你會想這花了多長時間，在我電腦上運行只花了不到半秒?。┛紤]到訪問量如此巨大，還是用百分比表示結(jié)果更好。這也就是你將在下圖（底圖）中看到的情形。和之前的結(jié)果一樣，網(wǎng)頁D的訪問次數(shù)最頻繁，占總訪問量的15%。

隨機訪問者模型和權(quán)重把戲之間有什么聯(lián)系可以被我們用于網(wǎng)頁排名呢？從隨機訪問者模擬中計算得出的百分比，正好就是我們在衡量一個網(wǎng)頁的權(quán)重時所需要的。因此，讓我們將網(wǎng)頁的訪問者權(quán)重值（surfer authority score）定義為一名隨機訪問者花在訪問該網(wǎng)頁的時間比例。值得注意的是，訪問者權(quán)重值能和前兩個對網(wǎng)頁重要性進行排名的把戲配合良好。我們會逐一審視這些把戲。

首先，讓我們來審視一下超鏈接把戲：超鏈接把戲的主要思想是，一個有許多鏈入鏈接的網(wǎng)頁應(yīng)該有高排名。這在隨機訪問者模型中也適用，因為一個有許多鏈入鏈接的網(wǎng)頁被訪問的概率較大。下圖（底圖）中的網(wǎng)頁D就是個好例子：它有五個鏈入鏈接——比模擬中的其他網(wǎng)頁都多——訪問者權(quán)重值也最高（15%）。

其次，讓我們來看看權(quán)重把戲。權(quán)重把戲的主要思想是，和來自低權(quán)重網(wǎng)頁的鏈入鏈接相比，一個來自高權(quán)重網(wǎng)頁的鏈入鏈接應(yīng)該更能證明一個網(wǎng)頁的排名。隨機訪問者模型也包含這一點。為什么？因為和一個來自不知名網(wǎng)頁的鏈接相比，訪問者更有可能繼續(xù)點擊一個來自知名網(wǎng)頁的鏈入鏈接。要在我們的模擬中找這樣一個例子，請比較上面底圖中的網(wǎng)頁A和C：這兩個網(wǎng)頁都有一個鏈入鏈接，但網(wǎng)頁A的訪問者權(quán)重值要高得多（13% VS 2%），這主要取決于其鏈入鏈接的質(zhì)量。