PageRank

http://www.cnblogs.com/fengfenggirl/p/pagerank-introduction.html

http://blog.csdn.net/rubinorth/article/details/52215036

这两篇文章里重要介绍了PageRank算法，几个关键的点：

1. 图不是强连通，怎么办？有一些节点没有出链
2. 闭环，几个节点形成闭环
3. 解决办法就是从地址栏溜走，而且是溜到现网的任意网站

map-reduce的计算，有几个关键点：

1. 稀疏矩阵存储
2. 第一，二步将稀疏矩阵和PR表map-reduce到一起
3. 第三步先map计算第二步生成每一行
4. 第四步reduce 每个网站计算新的PR值，更新PR表
5. 重复从第一到第四步直到PR值收敛

算法的缺点：

第一，没有区分站内导航链接。很多网站的首页都有很多对站内其他页面的链接，称为站内导航链接。这些链接与不同网站之间的链接相比，肯定是后者更能体现PageRank值的传递关系。

第二，没有过滤广告链接和功能链接（例如常见的“分享到微博”）。这些链接通常没有什么实际价值，前者链接到广告页面，后者常常链接到某个社交网站首页。

第三，对新网页不友好。一个新网页的一般入链相对较少，即使它的内容的质量很高，要成为一个高PR值的页面仍需要很长时间的推广。