Page Rank (2014ICM)

最新推荐文章于 2019-08-08 20:35:07 发布

六七二十四

最新推荐文章于 2019-08-08 20:35:07 发布

阅读量596

点赞数

分类专栏：数学建模

本文链接：https://blog.csdn.net/zhulolo9/article/details/43416231

版权

数学建模专栏收录该内容

4 篇文章 1 订阅

订阅专栏

PageRank，网页排名，又称网页级别、Google左侧排名或佩奇排名，是一种由搜索引擎根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Google公司创办人拉里·佩奇（Larry Page）之姓来命名。Google用它来体现网页的相关性和重要性，在搜索引擎优化操作中是经常被用来评估网页优化的成效因素之一。

让链接来“投票”

一个页面的“得票数”由所有链向它的页面的重要性来决定，到一个页面的超链接相当于对该页投一票。一个页面的PageRank是由所有链向它的页面（“链入页面”）的重要性经过递归算法得到的。一个有较多链入的页面会有较高的等级，相反如果一个页面没有任何链入页面，那么它没有等级。

PageRank算法

一、简单算法

假设一个由4个页面组成的小团体：A，B，C和D。如果所有页面都链向A，那么A的PR（PageRank）值将是B，C及D的Pagerank总和。

PR(A)= PR(B) + PR(C) + PR(D)

继续假设B也有链接到C，并且D也有链接到包括A的3个页面。一个页面不能投票2次。所以B给每个页面半票。以同样的逻辑，D投出的票只有三分之一算到了A的PageRank上。

PR(A)= \frac{PR(B)}{2}+ \frac{PR(C)}{1}+ \frac{PR(D)}{3}

换句话说，根据链出总数平分一个页面的PR值。

PR(A)= \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D)}

最后，所有这些被换算为一个百分比再乘上一个系数 $d$ 。由于“没有向外链接的页面”传递出去的PageRank会是0，所以，Google通过数学系统给了每个页面一个最小值 $(1 - d)/N$ ：

PR(A)=\left( \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D)}+\,\cdots \right) d + \frac{1 - d}{N}

二、完整算法

这个方程式引入了随机浏览的概念，即有人上网无聊随机打开一些页面，点一些链接。一个页面的PageRank值也影响了它被随机浏览的概率。为了便于理解，这里假设上网者不断点网页上的链接，最终到了一个没有任何链出页面的网页，这时候上网者会随机到另外的网页开始浏览。

为了处理那些“没有向外链接的页面”（这些页面就像“黑洞”会吞噬掉用户继续向下浏览的概率）带来的问题， $d=0.85$ （这里的 $d$ 被称为阻尼系数（damping factor），其意义是，在任意时刻，用户到达某页面后并继续向后浏览的概率。 $1-d=0.15$ （就是用户停止点击，随机跳到新URL的概率）的算法被用到了所有页面上，估算页面可能被上网者放入书签的概率。

所以，这个等式如下：

{\rm PageRank}(p_i) = \frac{1-d}{N} + d \sum_{p_j \in M(p_i)} \frac{​{\rm PageRank} (p_j)}{L(p_j)}

$p_1, p_2, ..., p_N$ 是被研究的页面， $M(p_i)$ 是链入 $p_i$ 页面的集合， $L(p_j)$ 是 $p_j$ 链出页面的数量，而 $N$ 是所有页面的数量。

PageRank值是一个特殊矩阵中的特征向量。这个特征向量为

\mathbf{R} =\begin{bmatrix}{\rm PageRank}(p_1) \\{\rm PageRank}(p_2) \\\vdots \\{\rm PageRank}(p_N)\end{bmatrix}

\mathbf{R} =\begin{bmatrix}{(1-d) / N} \\{(1-d) / N} \\\vdots \\{(1-d) / N}\end{bmatrix}+ d\begin{bmatrix}\ell(p_1,p_1) & \ell(p_1,p_2) & \cdots & \ell(p_1,p_N) \\\ell(p_2,p_1) & \ddots & & \\\vdots & & \ell(p_i,p_j) & \\\ell(p_N,p_1) & & & \ell(p_N,p_N)\end{bmatrix}\mathbf{R}

如果 $p_j$ 不链向 $p_i$ ，而且对每个 $j$ 都成立时， $\ell(p_i,p_j)$ 等于0

\sum_{i = 1}^N \ell(p_i,p_j) = 1,

实例分析

  现假设有A,B,C,D,E五个网页，其中
1)A网页有链接指向B,C,D,E
2)B网页有链接指向A,D
3)C网页有链接指向A,D
4)D网页有链接指向C
5)E网页有链接指向A,C

矩阵如下：
S= 0 1/2 1/2 0 1/2
1/4 0 0 0 0
1/4 0 0 1 1/2
1/4 1/2 1/2 0 0
1/4 0 0 0 0

T= 1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1

假设 d=0.85 ,则 R=0.85*S+0.15*T/5

Matlab代码：

clc;
clear;
S=[0 1/2 1/2 0 1/2;1/4 0 0 0 0; 1/4 0 0 1 1/2; 1/4 1/2 1/2 0 0;  1/4 0 0 0 0];
C=ones(5);
R=0.85*S+0.15*C/5;
[m,n]=eig(R); %求矩阵R的全部特征值

R =
0.0300 0.4550 0.4550 0.0300 0.4550
0.2425 0.0300 0.0300 0.0300 0.0300
0.2425 0.0300 0.0300 0.8800 0.4550
0.2425 0.4550 0.4550 0.0300 0.0300
0.2425 0.0300 0.0300 0.0300 0.0300

m =
-0.4823 -0.2863 -0.8165 0.7446 0.0000
-0.1623 -0.3912 0.4082 -0.2725 -0.7071
-0.6697 0.6775 0.0000 -0.4720 0.7071
-0.5159 0.3912 0.0000 0.2725 -0.0000
-0.1623 -0.3912 0.4082 -0.2725 0.0000

n =
1.0000 0 0 0 0
0 0.1556 0 0 0
0 0 -0.4250 0 0
0 0 0 -0.5806 0
0 0 0 0 -0.0000

特征值1对应的特征向量为如下：

-0.4823
-0.1623
-0.6697
-0.5159
-0.1623

故ABCDE各个网页的PAGERANK值分别为0.48,0.16,0.66,0.51,0.16,可看出C的pagerank值最高。

六七二十四

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
Page Rank (2014ICM)

PageRank，网页排名，又称网页级别、Google左侧排名或佩奇排名，是一种由搜索引擎根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Google公司创办人拉里·佩奇（Larry Page）之姓来命名。Google用它来体现网页的相关性和重要性，在搜索引擎优化操作中是经常被用来评估网页优化的成效因素之一。让链接来“投票” 一个页面的“得票
复制链接

扫一扫