PageRank 算法初步了解

前言

因为想做一下文本自动摘要，文本自动摘要是NLP的重要应用，搜了一下，有一种TextRank的算法，可以做文本自动摘要。其算法思想来源于Google的PageRank，所以先把PageRank给了解一下。

马尔科夫链

我感觉说到PageRank，应该要提起马尔科夫链，因为PageRank在计算的过程中，和马尔科夫链转移是十分相似的，只是PageRank在马尔科夫链的转移上做了一些改动。

马尔科夫链的维基百科里是这么说的：

马尔可夫链是满足马尔可夫性质的随机变量序列$X_1,X_2,X_3,...$。即给出当前状态，将来状态和过去状态是相互独立的。从形式上看，如果两边的条件分布有定义（即如果$\mathrm{Pr}(X_1=x_1,...,X_n=x_n)>0$则$\mathrm{Pr}(X_{n+1}=x\mid X_1=x_1,X_2=x_2,\dots ,X_n=x_n)=\mathrm{Pr}(X_{n+1}=x\mid X_n=x_n)$。
$Xi$的可能值构成的可数集S叫做该链的“状态空间”。

形式定义好像有点复杂。我这里只想介绍自己所认识的马氏链，一个简单通俗易懂的马氏链。

假设有一个离散型随机变量$w$，表示的是当前社会中贫穷，中等和富有的人的概率，其初始分布是：$w=(0.21,0.68,0.11)$ 表示社会中贫穷的人占28%，中等的人占68%，富有的人占11%，
这是初始状态，可以想象成这是我们所处地球的第一代人$X_1$（那个时候就有贫富差距了），接下来第一代人要生小孩，形成第二代人$X_2$，这个叫做状态的转移，从$X_1$转移到$X_2$。怎么转移呢，这是有一个概率的：

父代\子代	儿子是穷人	儿子是中等	儿子是富人
父亲是穷人	0.65	0.28	0.07
父亲是中等	0.15	0.67	0.18
父亲是富人	0.12	0.36	0.52

上述表格代表的是，父亲属于哪个阶级，那儿子属于某个阶级的概率。比如父亲是富人，儿子也是富人的概率是 0.52，这表示大概一半的富二代以后都会败光家产。所以根据以上表格，第二代$X_2$穷人的概率是 $0.21\ast$