pagerank演算法，是一種網頁排名演算法。在組建搜尋引擎時，爬下來的資料從網頁的角度來看，將所有的連線指向放到一起，可以構成乙個圖。pagerank，就是在這圖上做文章。利用pagerank演算法，得到pr（pagerank）值，當乙個網頁的pr值越大，則說明該網頁越受歡迎。
"重要性"，即如果兩個網頁的鏈入的網頁數相同的，如果網頁1的連入的頁面重要性較高，則認為網頁1比網頁2重要
這等價於，在靜態情況下，每個網頁$v$都有乙個被訪問的概率$p(v)$，它可以視為網頁的重要程度。
其中$d_u$時網頁$u$的"出度",$\sum=1$
我們可以令$l[u,v]=$
此時的公式就改寫為$p[v]=\sum$，寫成矩陣形式
當節點為懸掛節點時,，即出度為0的節點，修正為$l[u,v]=$
破壞條件：
引入乙個隨機跳轉概率$\beta$，每次瀏覽者都有$1-\beta$的概率沿著鏈結走，有$\beta$的概率重新隨機的選擇乙個新的起始點。
其中 google matrix 為
PageRank演算法初探
pagerank演算法由segey brin和larry page在1998年發表在www7。該演算法的高效能和易使用等特點，和其他的搜尋系統相比質量更高。因此，谷 歌成為世界上最常用的搜尋引擎有很大一部分是基於此。他們借鑑了當時學術界評判 重要性的通用方法，根據 的引用次數。將這種思路對映到網頁的...
PageRank 演算法隨記
遞迴的意思是 假如現在要求c，指向c的入鏈只有b，那麼得先求b的重要度，b重要度的大小取決於指向b的入鏈以及這些入鏈的重要度。隨機 的解釋 從i這個頁面開始，它可能有di種選擇，而且他做每一種選擇的時候，選擇的概率是相同的，即他決定到下乙個頁面是乙個隨機的選擇 應該跳到那個頁面 我們把上面圖中的矩陣...
PageRank演算法核心
讀者盆友，中午好，這裡分享下pagerank演算法的核心思想。本部落格 示例均來自 演算法 algorithmes forth edition 美 robert sedgewick kevin wayne 著 謝路雲譯 s.brin 和l.page 發明的pagerank演算法，裡面非常重要的思想是...