从Google搜索算法PageRank谈马尔科夫链（Markov）

Google的搜索引擎是基于什么？他的算法为什么比较高效？我想还是会有人对此敢兴趣吧。

Google的搜索算法PageRank是Google创始人拉里·佩奇和谢尔盖·布林于1997年构建早期的搜索系统原型时提出的链接分析算法。
已经有很多关于PageRank的介绍，这里就不再赘述。
这里介绍的是PageRank所基于的数学原理-Markov链。
可以先看下PageRank:

PageRank是基于【从许多优质网页链接过来的网页，必定还是优质网页】的回归关系，来判定所有网页的重要性。
其有三个指标：
- 反向连接数；
- 反向链接是否来自推荐度高的网页；
- 反向链接源的页面链接数。

---

Markov性

令
$A=\lbrace{S_{n_0}=i_0,\cdots,S_{n_k-1}=i_{k-1} \rbrace}$ ——过去

$B=\lbrace{S_{k}=i\rbrace}$ ——现在

$C=\lbrace{S_{k+1}=j\rbrace}$ ——未来

则
$P(C|AB)=P(C|B)$——已知过去到现在的信息来预测未来，则与现在状态有关，与过去状态无关。