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
- 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