谷歌背后的线性算法——PageRank笔记（一）

一、引入

谷歌的成功，很大程度上取决于它的PageRank算法，这个算法是根据一个加权链接矩阵的特征向量，将网页按照重要性排名的。

谷歌的搜索引擎需要做三个基本的工作：

1. 爬取网页，并定位所有有公共使用权的网页；
2. 利用从第一步中获得数据做出索引，以便能够找到确切的关键字或语句；
3. 在数据库中评估每个网页的重要性，以便使用者在查找信息时，能够获得想要的信息，并且更重要的网页可以排在前面；

下面将重点放在第三步上。

二、排名网页的公式

每个网页都有一个表示重要性的分数，这个分数是非负的实数。每个网页的分数取决于链接到这个网页的另一个网页，如下图所示，网页3链接到网页1，网页1链接到网页2，我们称网页3为网页1的反向链接，网页2为网页1的链接（网页之间的链接就像是民主投票，链接到哪个网页就相当于把票投给谁）。

我们用$x_k$来表示网页$k$的分数，$x_k$是非负的，并且$x_j>x_k$表示网页$j$比网页$k$更重要。

如果网页$j$链接到$n_j$个网页，其中一个网页为$k$，我们就利用$\frac{x_j}{n_j}$表示网页$j$对网页$k$的打分。对于$n$个网页，我们让 L k ⊂ { 1 , 2 , ⋯   , n } L_k\subset\{1,2,\cdots,n\} Lk​⊂{ 1,2,⋯,n}表示所有链接到网页$k$的网页，$L_k$为网页$k$的反向链接，对于每一个$k$我们有

$$x_k=\sum _{j\in L_k}\frac{x_j}{n_j}$$

这里$n_j$为从网页$j$链接出的网页数。这里将不会计算链接到自己的网页。因为在网页的民主选举中，不能自己为自己投票。

我们用上图来举个例子。
$$x_1=\frac{x_3}{1}+\frac{x_4}{2}$$ $$x_2=\frac{x_1}{3}$$ $$x_3=\frac{x_1}{3}+\frac{x_2}{2}+$$