网页排名是互联网搜索中至关重要的课题。自从经典的PageRank和HITS算法的提出并分别应用到Google和IBM实践中取得非常好的效果后，基于超链接分析的网页排名算法成为了网页搜索的核心。本文回顾并剖析了经典的超链接分析网页排名算法，包括PageRank、HITS、SALSA、HubAvg算法。同时，本文阐述了超链接排名算法的研究框架，即把此类算法看成从n个结点的有向图到”维实值向量的算子，其中输出向量的各个分量分别表示n个结点的权威值，最后按照权威值得到网页结点的排名。在此框架下，分析了算法的相似性以及稳定性。 本文在现有的算法基础上提出了两大改进。首先发现了HITS和HubAvg算法在处理多连通分量的超链接关系图时，忽略了整个关系图的整体结构，各个连通分量之间权值和评价无法相互传递或者比较，导致最后输出结果存在偏歧。针对这一问题本文提出了带连通分量的HITS和HubAvg算法，并通过实际网络数据作实验比较，证明改进算法对网页评价更平均更公一正。第二个改进是基于PageRank算法的点击率分布算法。PageRank模拟用户浏览网页的随机过程，但是把用户随机选择新网页作新浏览的步骤看成对网页是等概率分布的，然而从实际中看往往并不如此，本文建议以点击率确定新的概率分布，以更接近用户的行为习惯。这更符合实际，因为用户在选择网页开始新浏览确实是有个人偏好的。