Hilltop算法可以簡單理解為與主題相關的PR值。傳統PR值與特定關鍵詞或主題沒有關聯，只計算鏈接關系。這就有可能出現某種漏洞。比如一個PR值極高的關于環保內容的大學頁面，上面有一個鏈接連向一個兒童用品網站，這個鏈接出現的原因可能僅僅是因為這個大學頁面維護人是個教授，他太太在那個賣兒童用品的公司工作。這種與主題無關、卻有著極高PR值的鏈接，有可能使一些網站獲得很好的排名，但其實相關性并不高。

Hilltop算法：

    Hilltop算法就嘗試矯正這種可能出現的疏漏。Hilltop算法同樣是計算鏈接關系，不過它更關注來自主題相關頁面的鏈接權重。在Hilltop算法中把這種主題相關頁面稱為專家文件。顯然，針對不同主題或搜索詞有不同的專家文件。

    根據Hilltop算法，用戶搜索關鍵詞后，Google先按正常排名算法找到一系列相關頁面并排名，然后計算這些頁面有多少來自專家文件的、與主題相關的鏈接，來自專家文件的鏈接越多，頁面的排名分值越高。按Hilltop算法的最初構想，一個頁面至少要有兩個來自專家文件的鏈接，才能返回一定的Hilltop值，不然返回的Hilltop值將為零。

    根據專家文件鏈接計算的分值被稱為LocalRank。排名程序根據LocalRank值，對原本傳統排名算法計算的排名做重新調整，給出最后排名。這就是前面討論的搜索引擎排名階段最后的過濾和調整步驟。

Hilltop算法最初寫論文和申請專利時對專家文件的選擇有不同描述。在最初的研究中，Krishna Baharat把專家文件定義為包含特定主題內容，并且有比較多導出鏈接到第三方網站的頁面，這有點類似于HITS算法中的樞紐頁面。專家文件鏈接指向的頁面與專家文件本身應該沒有關聯，這種關聯指的是來自同一個主域名下的子域名，來自相同或相似IP地址的頁面等。最常見的專家文件經常來自于學校、政府及行業組織網站。

    在最初的Hilltop算法中，專家文件是預先挑選的。搜索引擎可以根據最常見的搜索詞，預先計算出一套專家文件，用戶搜索時，排名算法從事先計算的專家文件集合中選出與搜索詞相關的專家文件子集，再從這個子集中的鏈接計算LocalRank值。

    不過在2001年所申請的專利中，Krishna Baharat描述了另外一個挑選專家文件的方法，專家文件并不預先選擇，用戶搜索特定查詢詞后，搜索引擎按傳統算法挑出一系列初始相關頁面，這些頁面就是專家文件。Hilltop算法在這個頁面集合中再次計算哪些網頁有來自于集合中其他頁面的鏈接，賦予比較高的LocalRank值。由于傳統算法得到的頁面集合已經具備了相關性，這些頁面再提供鏈接給某一個特定頁面，這些鏈接的權重自然應該很高。這種挑選專家文件的方法是實時進行的。

    通常認為Hilltop算法對2003年底的佛羅里達更新有重大影響，不過Hilltop算法是否真的已經被融入進Google排名算法中，沒有人能夠確定。Google從來沒有承認、也沒有否認自己的排名算法中是否使用了某項專利。不過從排名結果觀察及招攬Krishna Baharat至麾下等跡象看，Hilltop算法的思想得到了Google的極大重視。

    Hilltop算法提示SEO，建設外部鏈接時更應該關注主題相關的網站。最簡單的方法是搜索某個關鍵詞，目前排在前面的頁面就是最好的鏈接來源，甚至可能一個來自競爭對手網站的鏈接效果是最好的。當然，獲得這樣的鏈接難度最大。