总结PageRank

PageRank

当我们根据关键词搜索互联网上的内容时，对于不止一个的搜索结果，谁先谁后呢？PageRank就是为了解决这个问题而生的。

PageRank，一个对网页进行排序的算法，由佩奇和布林为Google设计。该算法将整个互联网中的网页看做是一个整体，不考虑具体每一个网页的内容属性，而只关注网页之间的关联。

我们知道，网页之间的关系无非就是链接的指入和指出。PageRank认为，如果一个网页被很多其它的网页所指入，说明这个网页就比较有“公信力”，所以它的排名就越高。这就相当于其它的网页给这个网页进行了一次投票。然而，并不是所有网页的投票都具有相同的作用，排名高的网页投出的票更容易成为“非常宝贵的一票”。

但是，按照上边所述，对一个网页排名需要其他网页投票，而其他网页的投票重要性又取决于自己的排名，这就成为了一个“先有鸡还是先有蛋”问题。解决办法是，先将所有网页的排名赋一个初值，然后经过不断迭代，直到收敛，最后的排名就是稳定的。

具体地，网页之间的指入指出关系可以用一个二维方阵来描述，这个方阵的边长就是网页的个数。每个网页的排名就是一个列向量，向量的长度就是网页的个数。然后，每一次迭代其实就是将列向量左乘这个二维矩阵。

PageRank的计算本质上就是一个矩阵相乘。这种计算可以分成多个小任务并行完成，比如使用MapReduce。