PageRank （佩奇等级）

PageRank的核心思想：

• 如果一个网页被很多其他网页链接到的话说明这个网页比较重要，也就是PageRank值会相对较高
• 如果一个PageRank值很高的网页链接到一个其他的网页，那么被链接到的网页的PageRank值会相应地因此而提高

 

PageRank算法：预先给每个网页一个PR值（下面用PR值指代PageRank值），由于PR值物理意义上为一个网页被访问概率，所以一般是1/N，其中N为网页总数。另外，一般情况下，所有网页的PR值的总和为1。

 

预先给定PR值后，通过下面的算法不断迭代，直至达到平稳分布为止。

 

在一般情况下，一个网页的PR值计算如下：

根据上面的公式，我们可以计算每个网页的PR值，在不断迭代趋于平稳的时候，即为最终结果。

 

 

PR值计算方法

幂迭代法

定义矩阵：

 

首先给每个页面赋予随机的PR值，然后通过Pn+1=APn不断地迭代PR值。当满足下面的不等式后迭代结束，获得所有页面的PR值：

计算PR值的过程就变成了一个 Markov 过程

 

 

PageRank算法的缺点

 

这是一个天才的算法，原理简单但效果惊人。然而，PageRank算法还是有一些弊端。

第一，没有区分站内导航链接。很多网站的首页都有很多对站内其他页面的链接，称为站内导航链接。这些链接与不同网站之间的链接相比，肯定是后者更能体现PageRank值的传递关系。

第二，没有过滤广告链接和功能链接（例如常见的“分享到微博”）。这些链接通常没有什么实际价值，前者链接到广告页面，后者常常链接到某个社交网站首页。

第三，对新网页不友好。一个新网页的一般入链相对较少，即使它的内容的质量很高，要成为一个高PR值的页面仍需要很长时间的推广。