PageRank算法原理
参考自:https://www.jianshu.com/p/7485cac02e95
一.PageRank基本概念
1.什么是pagerank?
PageRank对网页排名的算法,曾是Google发家致富的法宝。PageRank算法计算每一个网页的PageRank值,然后根据这个值的大小对网页的重要性进行排序。
PageRank用于评估网页链接的质量和数量,以确定该网页的重要性和权威性的相对分数,范围为0到10
从本质上讲,PageRank是找出图中顶点(网页链接)的重要性
2.pagerank基本思想
被用户访问越多的网页更可能质量越高,而用户在浏览网页时主要通过超链接进行页面跳转,因此需要通过分析超链接组成的拓扑机构来推算每个网页被访问频率的高低。
二.PageRank算法
1.基本原理
(1)将每个网页抽象成一个节点
(2)如果页面A有链接直接链向B,则存在一条有向边从A到B(多个相同链接不重复计算边)
(3)因此整个web被抽象为一张有向图。
(4)假设有四张网页:A,B,C,D
假设当一个用户停留在某一页面时,跳转到页面的每个被链接页面的概率相同。
由图可知,这个图是强连通的(即从任一节点出发可以到达另外任何一个节点)
(5)使用数据结构表示页面直接的关系
-
例如,A页面链向B,C,D,所以从A跳转到B,C,D的概率各为1/3.
-
设一共有N个网页,则可以组织成一个N维矩阵,其中第i行j列的值表示用户从页面j转到页面i的概率,这样的一个矩阵叫做转移矩阵(Transition Matrix)
-
则上图可以用如下转移矩阵进行表示
M = [ 0 1 / 2 0 1 / 2 1 / 3 0 0 1 / 2 1 / 3 1 / 2 0 0 1 / 3 0 1 0 ] (1) M= \begin{bmatrix} 0 & 1/2 & 0 & 1/2 \\ 1/3 & 0 & 0 & 1/2\\ 1/3 & 1/2 & 0 &0 \\ 1/3 & 0 & 1 &0 \end{bmatrix} \tag{1} M=⎣⎢⎢⎡01/31/31/31/201/2000011/21/200⎦⎥⎥⎤(1)
M第一行为A、B、C和D转移到页面A的概率M第二行为A、B、C和D转移到页面B的概率
M第三行为A、B、C和D转移到页面C的概率
M第四行为A、B、C和D转移到页面D的概率
v = [ 1 / 4 1 / 4 1 /