Google Page Rank 算法解析

今天Matrix Analysis课上老师布置了关于google公司搜索技术的阅读材料，也就是著名的PageRank算法，读过之后觉得很有意思，在这里尽量用通俗的语言分享给大家，希望对大家有所裨益。

这篇文章基本是从“The 25, 000, 000, 000 eigenvector: The linear algebra behind Google”[1] 翻译过来，有兴趣的或者我没有讲清楚的地方可以参考原文。

1.  简介

当Google在上世纪九十年代末期上线的时候，表现出来的优异的特质，相比于其他的搜索引擎，他总是能够将最相关最需要的网页放在搜索列表的前列，而这搜索魔法的背后，就是其PageRank算法在起作用。

通常一个搜索引擎需要做以下三件事：

1.     将网络上所有网页爬下来，这也就是通常所说的网络爬虫

2.     对所有爬下来的网页进行索引，以便更有效率的搜寻

3.     对数据库中的每个网页进行重要程度的评价，最重要的网页会在搜索结果中排列在前面

下面主要介绍第三部，虽然有其他算法进行网页重要性排序，但本文仅仅介绍PageRank算法。

2.  How to rank pages

i.         Basic idea

我们用重要程度得分（importance score）来表示一个网页的重要程度，自然地这个得分应该是一个非负数。如何打分的中心思想是，其他网页指向该网页的链接的数量，数量越多，我们就有理由相信这个网页越重要，重要性得分相应的就应该越高。形象的讲，网页的重要程度是依靠其他网页对其进行投票，而这选票就是其他网页指向该网页的链接的数量。

假设我们有n的网页，用k对