page-rank模型讲解

• 简介
  根据相关性排序，包括内容的相关性，以及内容本身的重要性，要度量页面的重要性的判断标准：某网页被链接的次数以及链接这个网页的网页本身的重要性，被链接次数越多，链接这个网页的网页越重要，说明被链接的网页越重要。

---

• 简化模型

  PageRank是根据网页之间的连接关系计算网页排名的技术。
  PK值：从1到10级，值越大越重要。
  

  简化模型的缺陷：
  page leak
  page sink

---

• 随机浏览模型
  随机上网者随机点击一个新页面的概率作为这个新页面的PageRank值。
  

  根据马尔可夫链性质，迭代计算每个结点的PR值，随着迭代次数的增加，PR值将趋于稳定。

---

• 利用稀疏矩阵简化计算
  由于网络中的节点数非常大，因此引入稀疏矩阵来简化计算。

• 邻接矩阵
  用邻接矩阵G表示图，即各结点之间的关系。g(ij)=1表示从i->j有链接存在，反之则表示没有。
  因此是一个N*N的矩阵。

  每一行之和：链出链接数
  每一列之和：链入链接数

---

• 转移概率矩阵
  

---