PageRank算法

1.介绍

  PageRank算法是一种表示网页排名，用模拟上网者随机选择网页的方法，不停迭代，得到分布在各个网页上的概率。
  PageRank核心思想：
1.如果一个网页被很多网页连接到，说明这个网页比较重要，PageRank值较高。
2.如果一个PageRank值很高的网页连接到一个其他的网页，那么被连接到的网页PageRank会相应提高。

---

2.数学建模

  假设n是所有的可访问的网页数目，定义$n\times n的网页连接矩阵G=(g_{ij})$，其中$g_{ij}=1表示从网页j有一个连接到网页i$，矩阵$G$的特点如下:

• G是大规模的稀疏矩阵
• G中非零元素的数目为整个网络中存在的连接数量
• 定义第i个网页的入度为$r_i={\sum }_{j=1}^n{g}_{ij}$
• 定义第i个网页的出度为$r_i={\sum }_{j=1}^n{g}_{ji}$
    对随机上网的过程有两种选择：
  （1）在当前页面选择一个连接进入下一个页面
  （2）随即打开一个新的页面
    此过程在数学上称为马尔可夫过程（下一步的状态只和目前状态有关，与过去的状态无关），某网页的被访问的极限概率就是PageRank的值。
    p——在当前页面的连接上进行选择。假设当前页面为j则下一步转移到页面i的情况分为两种：
  （1）i在网页j上则概率为$p\times \frac{1}{c_j}+(1-p)\times \frac{1}{n}$
  （2）i不在页面j上则概率为$(1-p)\times \frac{1}{n}$
  两式可合并表示，用a_{ij}表示从j页面转移到i的概率为：$$a_{ij}=g_{ij}[p\times \frac{1}{c_j}+(1-p)\times \frac{1}{n}]+(1-g_{ij})(1-p)\times \frac{1}{n}=\frac{p{g}_{ij}}{c_j}+\frac{1-p}{n}$$
  若$c_j=0$则改为$a_{ij}=\frac{1}{n}$
    将任意两个王爷之间的转移概率组成矩阵$A=(a_{ij}{)}_{n\times n}$。设矩阵$D$为各个页面出度的倒数（若没有出度设为1）构成n阶对角矩阵。E为n阶单位矩阵则可用下式计算：
  $$A=pGD+\frac{1-p}{n}E$$
    定义$x_i^k$表示k时刻浏览网页i的概率，$X=(x_i),i=1,2,...,n的列向量$，则$X^{k+1}=A{X}^k$无限循环这一过程达到极限的情况，最后得到的极限向量$x为个页面的PageRank，满足Ax=x$，实际上就是求矩阵$A$的特征值为1的特征向量。
  由于$X^k=A{X}^{k-1}=A^2{X}^{k-2}=...=A^{k-1}{X}^1$可用幂法求得$X^k$。

---

3.个性化PageRank算法

  个性化的pagerank的目标是要计算所有节点相对于用户u的相关度。从用户u对应的节点开始游走，每到一个节点都以1-d的概率停止游走并从u重新开始，或者以d的概率继续游走，从当前节点指向的节点中按照均匀分布随机选择一个节点往下游走。这样经过很多轮游走之后，每个顶点被访问到的概率也会收敛趋于稳定，这个时候我们就可以用概率来进行排名了。
  个性化的pagerank跟传统pagerank不同的是，每次重新游走时，总是从用户u节点开始。另外，每个节点权重初始化时，个性化的pagerank是这样子的，假如对用户u推荐，则对用户u节点初始化为1，其他节点都初始化为0。

---

参考：
https://segmentfault.com/a/1190000000711128
https://blog.csdn.net/lingerlanlan/article/details/46991167