PageRank算法（网页排名算法）初步理解

背景：pageRank 是Google CEO 拉里佩奇提出的一种算法，来计算互联网里的网站的重要性，以对搜索进行排名。

pagerank 基本思想：

l 数量假设：一个页面越被其他页面链接，说明他越重要

l 质量假设：越是被高质量页面链接，说明该页面越重要

Pagerank模型：

pagerank 模型模拟的是一个用户在互联网上浏览到每个网页的概率。

例一：下面来一个简单计算，更好的理解下：

pg（A） = pg（C）/1 + pg(B) /2

A网页的pagerank值由网页B和网页C的pagerank贡献而来，因为B网页有两个外链，假设等概率贡献，则贡献给A的值为自身的一半。

例二：下面看一下只进不出的例子：

pg(A) = （a * pg(B) /2） + (1-a)
/ 4)

在任意时刻，用户到达某页面后并继续向后浏览的概率为a，则用户停止浏览的概率为(1-a)，此时用户停止浏览后，可能会直接通过输入浏览器地址进行浏览网页，此时跳转到任意网址的概率都一样，于是上面的 a * pg(B) /2 表示从b跳转过来的概率，(1-a) / 4 表示直接输入网址跳转过来的概率。

给出计算公式：

实例：

假设有如下图：

根据上面的矩阵，我们可以得到下面的矩阵：

终止点问题：只入不出，则所有节点的概率最后会变为0；

陷阱问题：网页只有指向自己的链接，则最后所有的概率都会转移到这些网站。

仍需要解决：证明其pagerank值是收敛的