马尔科夫过程中的状态转移

马尔科夫链

它假设了一个“随机冲浪者”模型，冲浪者从某张网页出发，根据 Web 图中的链接关系随机访问。在每个步骤中，冲浪者都会从当前网页的链出网页中，随机选取一张作为下一步访问的目标。
此外，PageRank 还引入了随机的跳转操作，这意味着冲浪者不是按 Web 图的拓扑结构走下去，只是随机挑选了一张网页进行跳转

PageRank 是基于马尔科夫链的。

PageRank

pi​ 表示第 i 张网页，Mi​ 是 pi​ 的入链接集合，pj​ 是 Mi​ 集合中的第 j 张网页。PR(pj​)​ 表示网页 pj​ 的 PageRank 得分，L(pj​)​ 表示网页 pj​ 的出链接数量，L(pj​)​1​ 就表示从网页 pj​ 跳转到 pi​ 的概率。α 是用户不进行随机跳转的概率，N 表示所有网页的数量.

简化 PageRank 公式

暂时不考虑随机跳转的情况，而只考虑用户按照网页间链接进行随机冲浪

点乘

所以，可拆分：
把的PageRank计算，分解为两个矩阵的点乘。一个矩阵是当前每张网页的 PageRank 得分，另一个矩阵就是邻接矩阵。所谓邻接矩阵，其实就是表示图结点相邻关系的矩阵。

基于行的归一化，指让所有元素加起来的和为 1。

考虑随机