Google的PageRank原理

PageRank我想稍微接触过网络的人都知道，很多博客站长最关心的话题，也可以说成是一个博客或者网站是否受欢迎（流行度）的衡量标准。 在这里我依然把 PageRank的定义给大家复述一下，PageRank：又称“佩奇等级”或者PR值，是以Google公司创始人之一拉里.佩奇（Larry Page）而命名。“佩奇等级”着重考察的是网站的权威性，说的更通俗一些也就是网站内容能满足大众的搜索需求，从而引起人们的观注，网站被链接的越多说明网站的链接流行度越高。链接流行度高了，随之而来的就是搜索引擎会把你放一个好位置（搜索结果中），供更多有需求的人来看你提供的优质内容。 Google 的 “Page Rank” （网页排名）是怎么回事呢？其实简单说就是民主表决。打个比方，假如我们要找李开复博士，有一百个人举手说自己是李开复。那么谁是真的呢？也许有好几个真的，但即使如此谁又是大家真正想找的呢？:-)如果大家都说在 Google 公司的那个是真的，那么他就是真的。 在互联网上，如果一个网页被很多其它很多网页所链接，说明它受到普遍的承认和信赖，那么它的排名就高。这就是Page Rank 的核心思想。 当然 Google 的 Page Rank 算法实际上要复杂得多。比如说，对来自不同网页的链接对待不同，本身网页排名高的链接更可靠，于是给这些链接予较大的权重。Page Rank 考虑了这个因素，可是现在问题又来了，计算搜索结果的网页排名过程中需要用到本身网页的排名，这不成了先有鸡还是先有蛋的问题了吗？ Google 的两个创始人拉里•佩奇 （Larry Page ）和谢尔盖•布林 (Sergey Brin) 把这个问题变成了一个二维矩阵相乘的问题，并且用迭代的方法解决了这个问题。他们先假定所有网页的排名是相同的，并且根据这个初始值，算出各个网页的第一次迭代排名，然后再根据第一次迭代排名算出第二次的排名。他们两人从理论上证明了不论初始值如何选取，这种算法都保证了网页排名的估计值能收敛到他们的真实值。值得一提的事，这种算法是完全没有任何人工干预的。 理论问题解决了，又遇到实际问题。因为互联网上网页的数量是巨大的，上面提到的二维矩阵从理论上讲有网页数目平方之多个元素。如果我们假定有十亿个网页，那么这个矩阵 就有一百亿亿个元素。这样大的矩阵相乘，计算量是非常大的。拉里和谢尔盖两人利用稀疏矩阵计算的技巧，大大的简化了计算量，并实现了这个网页排名算法。今天 Google 的工程师把这个算法移植到并行的计算机中，进一步缩短了计算时间，使网页更新的周期比以前短了许多。 我来 Google 后，拉里 (Larry) 在和我们几个新员工座谈时，讲起他当年和谢尔盖(Sergey) 是怎么想到网页排名算法的。他说："当时我们觉得整个互联网就像一张大的图 （Graph)，每个网站就像一个节点，而每个网页的链接就像一个弧。我想，互联网可以用一个图或者矩阵描述，我也许可以在用这个发现做个博士论文。" 他和谢尔盖就这样发明了 Page Rank 的算法。 网页排名的高明之处在于它把整个互联网当作了一个整体对待。它无意识中符合了系统论的观点。相比之下，以前的信息检索大多把每一个网页当作独立的个体对待，很多人当初只注意了网页内容和查询语句的相关性，忽略了网页之间的关系。 PageRank 评价一个网页质量用1~10的数字组成，通过Google 工具栏显示出来。PR值越大表示网站质量越高、越重要。下面秀一下博客联盟目前的PR值情况。本人用的是Fozilla Firefox的浏览器，速度、功能相当的不错。自带Google工具条。通过工具条可以让你更好的分析，你每打开一个网页的重要程度。现在博客联盟的PR值是4/10。 PageRank来源于一种数学公式，执行的是一种简单的概率分析。公式如下： PR(A)=(1-d)+d(PR(Ti)/C(Ti)+….+PR(Tn)/ C(Tn)) PR(A):网页A的PR 。 PR(Ti)：链接A的网页Ti的PR等级，“i”可以从0到n,”n“是链接的总数，这个链接可以来自任何网站的链接。 C(Ti)：网页Ti往其它网站链接的数量。