PageRank
目录
- PageRank
-
- 1、PageRank
- 2、PageRank与图论(Graph Theory)
- 3、PageRank与链接分析(Link Analysis)
- 4、PageRank与网络结构分析
- 5、PageRank的扩展和变体
- 6、PageRank与网络推荐系统(Recommender Systems)
- 7、PageRank算法优化与计算复杂度
- 8、PageRank与Eigenvector Centrality(特征向量中心性)
- 9、PageRank与Markov Chains and Stationary Distribution(马尔可夫链与平稳分布)
- 10、网络演化与动态PageRank
- 11、Google的其他排名算法
1、PageRank
PageRank 是由谷歌创始人拉里·佩奇(Larry Page)和谢尔盖·布林(Sergey Brin)在1990年代末期于斯坦福大学开发的一种算法。它的设计目的是根据互联网的超链接结构来对网页进行排名。PageRank的核心思想是:一个网页如果被其他重要网页链接到,那么它本身也会被认为是重要的。
其工作原理如下:
-
链接即投票:PageRank将每一个超链接视为对被链接页面“投下的一票”。但并非所有的投票都具有相同的价值。来自高排名页面的链接比来自低排名页面的链接更具价值。
-
PageRank 计算:PageRank是通过链接到某个页面的其他页面的PageRank值来计算的,且链接越多的页面其价值越小。数学上,它通常表示为:
P R ( A ) = ( 1 − d ) + d ∑ i = 1 n P R ( B i ) L ( B i ) PR(A) = (1 - d) + d\sum\limits_{i = 1}^n {\frac{ {PR({B_i})}}{ {L({B_i})}}}