链路分析（Link analysis）

随机游走（random walk）

Flow Formulation

当某个网页的输入链接越多时，说明该网页越重要（Page is more important if it has more out-links）

首先定义某一页的rank:
$$r_j=\sum _{i\to j}\frac{r_i}{{\mathrm{d}}_i}$$
其中：$d_i$为结点$i$的出度和
对于上图而言，其方程为：
$$\begin{array}{l}{\mathbf{r}}_{\mathbf{y}}={\mathbf{r}}_{\mathbf{y}}/2+{\mathbf{r}}_{\mathbf{a}}/2\\ {\mathbf{r}}_{\mathbf{a}}={\mathbf{r}}_{\mathbf{y}}/2+{\mathbf{r}}_{\mathbf{m}}\\ {\mathbf{r}}_{\mathbf{m}}={\mathbf{r}}_{\mathbf{a}}/2\end{array}$$
为了使得方程有解，还需加上如下条件：
$$r_y+r_a+r_m=1$$
但是上述求解方式对于大规模图而言，求解上述方程的时间复杂度会较高

Matrix Formulation

定义矩阵$M$，假设页面$i$有$d_i$个输出$link$，则如果页面$i$指向页面$j$，则$M_{ji}=\frac{1}{d_i}$；否则，$M_{ji}=0$。向量$r$表示每个页面的分数，且满足${\sum }_i{r}_i=1$。
$$\mathbf{r}=\mathbf{M}\cdot \mathbf{r}$$
通过上式，不难发现，$\mathbf{r}$为矩阵$\mathbf{M}$的特征向量，且其特征值为$1$，且是其最大特征根，因为$\mathbf{M}\mathbf{r}\le 1$???有疑问为何就是最大的了
使用迭代法（power iteration）进行求解，求解过程如下：

Suppose there are N web pages
	Initialize: r(0) = [1/N,….,1/N]T
	Iterate: r(t+1) = M ∙ r(t)
	Stop when |r(t+1) – r(t)|1 < μ

证明：迭代法的合理性
假设矩阵$\mathbf{M}$有$n$个特征向量$x_1$ $x_2$… $x_n$，并且其对应的特征根为${\lambda }_1$ ${\lambda }_2$ …${\lambda }_n$且${\lambda }_1>{\lambda }_2>\cdots >{\lambda }_n$，由于特征向量之间相互独立，故可以将其看作一组基础解系，则$r^{(0)}=c_1{x}_1+c_2{x}_2+\cdots +c_n{x}_n$
$$\begin{array}{rl}\mathbf{M}{\mathbf{r}}^{(0)}& =\mathbf{M}({\mathbf{c}}_1\\ & \\ & \end{array}$$