如今,篮球博彩市场发展迅猛,这使得篮球比赛胜负结果预测成为了一个新挑战。现有的篮球预测方法主要使用一些经典的统计学方法,如朴素贝叶斯分类器、逻辑斯蒂回归等,通过将篮球比赛胜负预测看作为一个二分类问题来进行预测。现有的方法由于在数据集采集,特征选取,方法选择方面的原因,都存在效率低,准确率差的问题。现有的预测模型中缺乏一个统一的量化方法来描述球队之间的实力排名情况,本文基于PageRank算法构造针对NBA球队排名的TeamRank算法,使用该算法来计算球队的实力排名。通过在1990到2014年之间的30支球队的全部比赛数据上逐步建立TeamRank向量和相应的投票矩阵,迭代更新,结果显示TeamRank算法可以较好的描述球队之间的实力排名情况。本文将一个NBA球队的历史比赛记录当作按照时间排列的序列,通过在1990到2014年之间的数据集上构造每支球队的比赛记录序列,使用主客场、三分球、罚球、抢断、球员信息等和TeamRank值作为特征输入,基于条件随机场方法构造NBAPrediction模型,对每个球队的比赛进行序列标注。通过在现有的数据集上对30支球队分别建立模型,对有TeamRank特征和没有TeamRank特征的情况分别进行训练预测,结果显示在有TeamRank特征的情况下,模型取得了较好的预测结果,最高可以达到0.7262的正确率。