PageRank算法与Influence Propagation

 

PageRank算法

PageRank基本理念

PageRank算法的目的是：标记网页的重要性的一种方法，用以衡量网页的质量的好坏，来调整搜索的排序结果，PageRank算法借鉴学术界论文重要性的评估方法：谁被引用的次数多，谁就越重要

核心思想：

（1）如果一个网页被很多其他网页链接到的话说明这个网页比较重要，也就是PageRank值会相对较高

（2）如果一个PageRank值很高的网页链接到一个其他的网页，那么被链接到的网页的PageRank值会相应地因此而提高

 

 

1. 算法原理

几个基本概念：

• 入链：页面A增加了指向页面B的超链接，则B有来自于A的入链，或用户直接通过url进入B，则为url到B的入链

• 出链：页面A增加了指向页面B的超链接，则A出链到B

• 无出链/只对自己出链：页面不再指向新的页面或只指向自己

• PR值：一个网页的PR值，概率上理解就是此网页被访问的概率，PR值越高其排名越高

 

网页都有出入链

所有的网页都有出链和入链，图是强连通的，从任一点出发可以遍历整个图，为了简化计算

我们可以假设当一个用户停留在某页面时，他跳转到页面所指向的其他页面的概率是相同的

即上图中页面B有两个出链，则从B跳转到A和B跳转到D的概率为相同，为1/2

计算页面A的PR值：PR(A) = PR(C) + PR(B)/2

如此我们可以用转移矩阵来描述页面之间跳转的概率

 

 

其中 的值表示用户从页面j跳转到页面i的概率

假设初始时刻