TrustRank算法是早期基于鏈接關系分析的網頁排序技術，其名稱可直譯為“信任指數”。該算法的核心思想源于對互聯網信息質量的評估，旨在通過信任傳遞機制識別低質量或垃圾網頁，從而提升搜索引擎結果的相關性與可靠性。

TrustRank算法的誕生可追溯至2004年斯坦福大學與雅虎公司的一項聯合研究項目，其初始目標為檢測網絡中的垃圾網頁，相關研究成果于2006年正式申請專利。算法發明人還曾發布專門的技術文檔（PDF），詳細闡述其應用場景，感興趣的讀者可通過指定鏈接獲取完整資料。值得注意的是，TrustRank并非Google公司提出，但由于Google在搜索引擎市場的主導地位，以及該算法在其排名體系中的重要性，部分研究者誤將其歸功于Google。更需澄清的是，Google雖曾注冊“TrustRank”商標，但該商標所指代的是其檢測惡意代碼網站的方法，而非排名算法中的信任指數概念。

TrustRank算法的運行基于“信任傳遞衰減”假設：通過人工篩選一批高度可信的種子網站（賦予初始最高信任值），這些網站的出鏈頁面將繼承部分信任值，且信任值隨鏈接層級增加呈指數級衰減。具體而言，種子網站直接鏈接的頁面信任度次之，二級鏈接頁面信任度進一步降低，以此類推。盡管優質網站可能因偶然因素鏈接至低質量頁面，但距離種子網站鏈接層級越近的頁面，其信任值越高，成為垃圾網頁的概率也越低；反之，遠離種子層級的頁面，信任度衰減顯著，垃圾特征更為明顯。通過這一機制，TrustRank可為所有網頁量化信任值，為搜索引擎篩選高質量內容提供依據。

在具體實踐中，TrustRank值的計算需先確定種子網站的選擇標準。常見方法包括兩種：一是優先選擇導出鏈接數量較多的網站，此類網站因鏈接廣泛，可視為“逆向PR值”較高的節點，其信任傳遞覆蓋范圍更廣；二是選取PR值（PageRank）較高的網站，因高PR值頁面在搜索結果中出現頻率更高，是TrustRank算法重點關注的排序調整對象，而低PR值頁面在傳統算法中已排名靠后，計算其信任值的實際意義有限。研究表明，選取約200個種子網站即可較為精確地覆蓋全網頁面的TrustRank值計算。

TrustRank值的衰減計算存在兩種核心公式：一是基于鏈接層級的線性衰減，即若種子頁面信任值為100，其直接鏈接頁面衰減為90，二級鏈接頁面衰減為80；二是基于導出鏈接數的分配衰減，即若某頁面信任值為100且包含5個出鏈，每個鏈接傳遞20%的信任值。實際應用中，兩種方法常結合使用，確保信任值隨鏈接深度增加而逐步降低。

計算完成后，TrustRank可通過兩種方式影響網頁排序：其一，將傳統算法篩選出的候選頁面，依據TrustRank值重新排序，提升高信任頁面的排名位置；其二，設定最低信任值閾值，僅超過閾值的頁面進入排名結果，低于閾值的頁面被視為垃圾內容直接過濾。

盡管TrustRank算法最初設計為垃圾網頁檢測工具，但在現代搜索引擎排序體系中，其“信任指數”概念已擴展至更廣泛的應用場景，成為影響大部分網站整體排名的關鍵因素。早期算法聚焦頁面級別的信任評估，如今已延伸至域名級別，整個域名的信任指數越高，其整體排名競爭力越強，這反映了搜索引擎對網站長期信譽與內容質量的深度重視。