数据挖掘十大算法（六）：PageRank算法原理与Python实现

参考

.PageRank算法--从原理到实现

 

零. PageRank算法简介

PageRank算法，即网页排名算法，由Google创始人Larry Page在斯坦福上学的时候提出来的。该算法用于对网页进行排名，排名高的网页表示该网页被访问的概率高。

该算法的主要思想有两点：

a. 如果多个网页指向某个网页A，则网页A的排名较高。

b. 如果排名高A的网页指向某个网页B，则网页B的排名也较高，即网页B的排名受指向其的网页的排名的影响。

 

一、PageRank算法原理

1. 简单的PageRank算法

如图是一个4个网页之间的链接情况：

假设网页X的排名用PR(X)表示，则A的排名为PR(A)，由图可知，网页B和C指向了网页A，那么网页A的排名可以表示为：

网页C只指向了A，不指向其他网页，然而网页B不仅指向了A，还指向了D，因此上面的公式更合理地修改为：

意思是，B的PageRank值被分给了A和D，而C的PageRank值全都给了A。

 

2. 考虑没有出边（outlink）的网页

有的网页，没有指向其他网页，如下图中的C网页。