数据挖掘：Top 10 Algorithms in Data Mining(六)PageRank

Pagerank因google的快熟发展并提供高质量搜索结果而受到广泛关注。Pagerank的主要目标是评价网页的重要程度，并以此作为网页的排名依据。算法主要参考网页被引用的数量，及引用者的权威性。参考下面的简单的网页引用模型：

 

首先我们需要一个合适的数据结构来表示这个网络结构。这涉及到图的表示，我们在数据结构课程中学过，常用的方法是邻接矩阵法和链接法。实际中不会单独的只使用某一种方法，这涉及到图的存储优化，矩阵的稀疏表示等其他技术，在此不做说明。此处我们用邻接矩阵表示。而各节点的值可以使用图节点的出度的倒数表示：

 

这样矩阵M表示了各图节点到其他节点转移的概率。初始状态下每个节点（网页）自身的值（权重）可以表示为1/N，N为图节点数。A-D初始权重极为v=(1/4,1/4,1/4,1/4).

新的v^1表示各节点的新rank，下一个新rank为v^2=Mv^1. 循环迭代至收敛。

 Pagerank在google的搜索排序算法中只是其中的一部分。还有很多其它算法和因素用于考量页面的排序。同时pagerank也有很多改进的版本。

参考：

http://pr.efactory.de/e-pagerank-implementation.shtml

原文《The PageRank Citation Ranking: Bringing Order to the Web》