PageRank算法解析及R语言实现

在PageRank算法出现之前，早期的搜索引擎是根据关键词出现次数对网页进行排序，但这样的算法有严重的缺陷，假设网站A像祥林嫂一样反复重复几个热门关键词，那么用户在搜索这些关键词的时候，网站A就会被排在前面，而这显然不是用户希望得到的结果，更严重的后果是网络上会充斥着广告和垃圾信息，而真正有用的信息却难以被用户搜索到。

于是， 1996 年初， 谷歌公司的创始人， 当时还是美国斯坦福大学 (Stanford University) 研究生的佩奇 (Larry Page) 和布林 (Sergey Brin) 开始了对网页排序问题的研究。他们从学术界判别论文重要性的通用方法，即考量引用次数得到了灵感，认为网页的重要性（也就是排序）是不能靠每个网页自己来标榜的，而应该通过全互联网所有网页间的相互链接来确定。具体地说，一个网页被其它网页链接得越多， 它的排序就应该越靠前。不仅如此，Larry和Sergey还进一步提出，一个网页越是被排序靠前的网页所链接，它的排序就也应该越靠前。这一条的意义也是不言而喻的，就好比一篇论文被诺贝尔奖得主所引用，显然要比被普通研究者所引用更说明其价值。

思路虽然有了，实现却并非易事。网页$W_i$的排序$P_i$由所有其他的网页的排序$P_{j\neq i}$决定，而$P_i$又会对$P_{j\neq i}$产生影响，于是就面临了“先有鸡还是先有蛋”的难题。

Larry和Sergey的解决方法是这样的：假设用户A是互联网上所有用户的平均（即A不存在个人喜好），那么再假定经历足够多的网上漫游过后，A在n时刻处在页面$W_i$的概率为$P_i$，$W_i$页面有$N_i$个外链，由于A没有个人喜好，因此点击每个外链的可能性均为$1/N_i$

根据这个假设，我们可以得出：$P_i(n+1) = \sum_jP_j(n)p_{j\to i}/N_j$

其中$p_{j\to i}$是一个描述互联网链接结构的指标函数 (indicator function)，其定义是如果网页$W_j$有链接指向网页 Wi