个性化的PageRank和主题感知的PageRank

       PageRank算法最初是用于计算Web中网页的权威值 (或重要性)。PageRank算法认为一个网页的权威值可以通过网络的链接结构来传递，在Web的链接图中，如果存在一个页面q指向另一个页面p的链接，则表明q对p的认可(vote)，即q将自己的权威值部分传递给了p。因此，一方面，指向一个页面p的页面越多，则该页面得到的权威值越高；另一方面，指向页面p的页面，如g，自身的权威值越高，则p得到的权威值也越高。基于以上递归定义的标准，Page提出运用“随机行走模型”（Random Walk Model）来计算Web页面的权威值。随机行走模型是指：一个人在网络上浏览网页，每看过一个网页之后就会随机点击网页上的链接访问新的网页。如果当前这个人浏览的网页x已经确定，那么网页x上每个链接被点击的概率也是确定的。在这种条件下，这个人点击了无限多次链接后，恰好停留在每个网页上的概率分别是多少？随机行走模型有一个显著的特点，那就是每一次迭代的结果只与前一次有关，与更早的结果完全无关，这种过程又被称为马尔可夫过程（Markov Process）或马尔可夫链（Markov Chain）。