PageRank

PageRank生成的Web网页排序是静态的，这是指每个网页的排序值是通过离线计算得到的，并且该值与查询无关。也就是说，网页排序值的计算纯粹基于Web上现有链接，而不考虑任何用户的任何查询。

知识背景：

马尔可夫链，因俄罗斯数学家安德烈·马尔可夫（俄语：Андрей Андреевич Марков）得名，是数学中具有马尔可夫性质的离散时间随机过程。该过程中，在给定当前知识或信息的情况下，只有当前的状态用来预测将来，过去（即当前以前的历史状态）对于预测将来（即当前以后的未来状态）是无关的。

在马尔可夫链的每一步，系统根据概率分布，可以从一个状态变到另一个状态,也可以保持当前状态。状态的改变叫做过渡，与不同的状态改变相关的概率叫做过渡概率。随机漫步就是马尔可夫链的例子。随机漫步中每一步的状态是在图形中的点，每一步可以移动到任何一个相邻的点，在这里移动到每一个点的概率都是相同的(无论之前漫步路径是如何的)。

如果我们想用马尔科夫链进行建模，那么A应是一个随机矩阵且是不可约和非周期的。这样我们就可以使用马尔科夫链的一些理论成果。

随机矩阵：它要求每个元素都是非负实数，且每行加起来和为1。（如果在模拟过程中出现一个网页没有出链，这种情况在转移矩阵A中表现为有些行全是由0组成的，这样的网页叫做悬挂网页。解决方法：从每一个悬挂网页i向每个网页引一条链接。）

不可约：如果Web图G不是强连通的，则A不是不可约的。

周期图：说状态i是周期的并且具有周期k>1，是指存在一个最小的正整数k，使得所有从状态i出发又回到状态i的路径的长度都是k的整数倍。如果一个状态不是周期的（或者k=1），那它就是非周期的。如果一个马尔科夫链的所有状态都是非周期的，那么就说这个马尔科夫链是非周期的。

以下转自维基百科：

PageRank，网页排名，又称网页级别、Google左侧排名或佩奇排名，是一种由搜索引擎根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Google公司创办人拉里·佩奇（Larry Page）之姓来命名。Google用它来体现网页的相关性和重要性，在搜索引擎优化操作中是经常被用来评估网页优化的成效因素之一。Google的创始人