PageRank计算方法（通过power iteration方式来实现）

最新推荐文章于 2022-11-12 20:44:52 发布

VIP文章星际丶牛仔

最新推荐文章于 2022-11-12 20:44:52 发布

阅读量8.1k

点赞数 4

分类专栏：信息检索

本文链接：https://blog.csdn.net/ahaha413525642/article/details/76223365

版权

PageRank
对Web图中的每个节点赋一个0 到1 之间的分值，这个分值被称为PageRank。节点的PageRank 值依
赖于Web 图的链接结构。

考虑一个网上的随机冲浪者，它从某个网页（即Web 图中的一个节点）出发，在Web 中进行如下随机游走过程：在每一步中，冲浪者都会从当前网页A 的链出网页中随机选出一个网页作为下一步的访问目标。图21-1 给出了某个冲浪者处于节点A 的例子，其中A 有三个链接分别指向B、C、D，那么下一步他将以1/3 的等概率分别访问这三个节点。
这里写图片描述
当冲浪者在 Web 上进行节点间的随机游走时，他对某些节点的访问次数会比其他节点更多。直观地看，这些访问频繁的节点具有很多从其他频繁访问节点中指向的入链接。PageRank的思路就是，在随机游走过程中访问越频繁的网页也越重要。有时候冲浪者所在的当前网页A可能不存在出链，这时应该怎么做？为了解决这个问题，我们为冲浪者引入一个被称为随机跳转（teleport）①的额外操作。基于这个操作，冲浪者可以从一个节点跳到Web图的任一其他节点。由于他有可能在浏览器中输入一个URL，所以上述操作是有可能发生的。随机跳转操作的目标节点可以从满足均匀分布的所有Web网页中随机选择来实现。换句话说，假如Web图中所有的节点数目是N，那么随机跳转操作使得冲浪者以1/N的概率跳到每个节点。当然，冲浪者也以1/N的概率跳到其当前位置。

给Web 图中的每个节点分配PageRank 值时，有两种使用随机跳转操作的方法：(i) 当节点没有出链接时，冲浪者调用随机跳转操作；(ii) 当节点包含出链接时，冲浪者将以0 < α < 1 的概率调用随机跳转操作，而以1−α 的概率继续进行随机游走(从满足均匀分布的出链接中随机选择一个出链前行)。其中α 是一个事先选定的固定参数，一个典型的α 取值为0.1。

马尔科夫链
马尔科夫链是一个离散时间随机过程（discrete-time stochastic process），这个过程中的每一
步都需要做一个随机选择。一个马尔科夫链包括N 个状态（state）。在下面的介绍中，每个Web
网页都对应我们所构造的马尔科夫链中的一个状态。

马尔科夫链通过一个的转移概率矩阵（transition probability matrix）P 来刻画，其中
每个元素的值在[0,1]之间，并且P 中每一行的元素之和为1。在任一步，马尔科夫链都可能处
于N 个状态之一，那么，元素Pij 给出的就是从当前状态i 到下一个状态j 的条件转移概率。Pij
被称为转移概率，它仅仅依赖于当前的状态i，这种性质被称为马尔科夫性。因此，基于马尔科
夫性，我们有这里写图片描述和

满足上述性质的非负矩阵被称为随机矩阵（stochastic matrix）。随机矩阵的一个重要性质是，
它的最大特征值是1，与该特征值对应的有一个主左特征向量（principal left eigenvector）。

马尔科夫链中，下一个状态的分布仅仅依赖于当前的状态，而和如何到达当前状态无关。
图21-2 给出了包含3 个状态的简单马尔科夫链。从中间的状态A 出发，可以分别以等概率0.5
到达B 或C。而从B 或C 出发，都会以概率1 到达A。该马尔科夫链的转移概率矩阵为：
这里写图片描述

马尔科夫链的状态概率分布可以看成一个概率向量（probability vector），其中的每个元素都在[0,1]之间，并且所有的元素之和为1。如果一个N 维的概率向量的每个分量对应马尔科夫链中的一个状态的话，那么该向量就可以被看成是在状态上的一个概率分布。在21-2 给出的简单例子中，概率向量包含3 个总和为1 的元素。

我们可以将Web图上的一个随机冲浪过程看成是马尔科夫链，其中马尔科夫链中的每个状
态对应一个网页，而每个转移概率代表从一个网页跳转到另外一个网页的概率。teleport操作对
这些转移概率的计算具有贡献。Web图的邻接矩阵A可以如下定义：如果存在网页i到网页j的一
条链接，那么Aij=1，否则 Aij=0。这样，我们很容易就可以从N×N的矩阵A推导出马尔科夫链的
转移概率矩阵P。如果A的某一行没有1，则用1/N代替每个元素。对于其他行的处理如下：

(1) 用每行中的1 的个数去除每个1，因此如果某行有3 个1，则每个1 用1/3 代替；
(2) 上面处理后的结果矩阵乘以1−α；
(3) 对上面得到的矩阵中的每个元素都加上α/N。

这样，我们就可以通过概率向量xr 给出冲浪者在任一时间所处位置的概率分布。当t=0 时，冲浪者可能处于某个初始状态，这时xr 中相应的元素为1，其他元素均为0。根据上述定义，在t=1 时，冲浪者的状态分布可以用概率向量这里写图片描述来表示。同样，t=2 时概率向量为，可以依此一直类推下去。这样我们只需状态分布和转移概率矩阵P，就能计算冲浪者在任一时刻所处状态的概率分布。

如果马尔科夫链被允许运行很多次，那么每个状态将会以不同的频率被访问，这个频率依赖于马尔科夫链的结构。在我们的运行模拟中，冲浪者访问某些网页（比如流行的新闻主页）会比其他网页更频繁。下面，我们将这种直观精确化，并建立访问频率收敛于固定的、稳态量的条件。然后，我们将PageRank 设置为每个节点v 在稳态下的访问频率，并介绍它的计算过程。

PageRank 的计算
转移概率矩阵P 的N 维左特征向量