32丨PageRank（上）：搞懂Google的PageRank算法

精选留言(15)

• 

  滨滨

  pagerank算法就是通过你的邻居的影响力来评判你的影响力，当然然无法通过邻居来访问你，并不代表你没有影响力，因为可以直接访问你，所以引入阻尼因子的概念。现实生活中，顾客比较多的店铺质量比较好，但是要看看顾客是不是托。

  编辑回复: 这个应用例子也很有趣，让顾客来投票。

  2019-04-14

  

   6
• 

  third

  作业
  1.原理
  1）基础：网页影响力=所有入链集合的页面的加权影响力之和
  
  2）拉里佩奇加入随机访问模型，即有概率用户通过输入网址访问
  网页影响力=阻尼影响力+所有入链集合页面的加权影响力之和
  
  2.应用场景：
  评估某个新行业怎么样，通过计算涌入这个行业的人的智力和数量。
  如果这个行业，正在有大量的聪明人涌入，说明这是一个正在上升的行业。
  
  作业及问题
  转移矩阵
  第一列是A的出链的概率
  A0B1/3C1/3D1/3
  第二列是B的的出链的概率
  A1/2B0C0D1/2
  第三列是C的出链概率
  A1B0C0D0
  第四列是D的出链概率
  A0B1/2C1/2D0
  
  等级泄露的转移矩阵应该是
  M=[0 0 1/2 0]
       [1 0 0 0]
       [0 0 1/2 0]
       [0 1 0 0]
  
  还是
  M=[0 0 0 1/2]
       [1 0 0 0 ]
       [0 0 0 1/2]
       [0 1 0 0 ]
  
  假设概率相同，都为1/4
  进行第一次转移之后，会发现，后面的
  W1=[1/8]
  [1/4]
  [1/8]
  [1/4]
  
  总和已经小于1了，在不断转移的过程中，会使得所有PR为0
  
  等级沉没的转移矩阵怎么写？
  M=[0 0 1 0]
       [1 0 0 0]
       [0 0 0 0]
       [0 1 0 0]
  

  编辑回复: 应用场景这个举例很有趣，回答你的问题：
  对应文章中的例子，等级泄露的转移矩阵：
  M=[0 0 0 1/2] 
       [1 0 0 0 ]
       [0 0 0 1/2]
       [0 1 0 0 ]
  等级沉没的转移矩阵
  M=[0 0 1/2 1] 
       [1 0 0 0 ]
       [0 0 0 0]
       [0 1 1/2 0 ]

  2019-02-25

  

   4
• 

  李沛欣

  有人的地方，就有入世和出世
  有网络和地方，就有入链和出链
  
  入世的人，链接的大牛越多，越有影响力，
  对网站而言，链接出去的网页越多，说明网站影响力越大，但是越多链接进来你这里的网页，也直接影响到网站的价值。
  
  出链太多，如同出世一样，耗散内力，排名等级越来越低，最终江湖再见。
  入链太多，就可能成为流量黑洞，如同涉世太深的人一样走火入魔。
  
  谷歌创始人拉里佩奇则力图破解等级泄露和等级沉没困境，创造了随机浏览模型。

  编辑回复: 这个总结和分析很不错。当遇到了一些问题，有时候不是直接解决它，而是跳脱出来提出了“随机浏览模型”反而把之前的等级泄露和等级沉没问题解决了。

  2019-03-01

  

   2
• 

  third

  复习感悟：
  1.PageRank算法，有点像
  海纳百川有容乃大（网页影响力=所有入链集合的页面的加权影响力之和）
  像我汇聚的东西，越多，我就越厉害。
  
  2.随机访问模型
  有点像下雨。
  海洋除了有河流流经，还有雨水，但是下雨是随机的（网页影响力=阻尼影响力+所有入链集合页面的加权影响力之和）

  编辑回复: 这个比喻不错~ 河流之间是有入链和出链的，但是也可能遇到等级泄露和等级沉没的问题，下雨就类似是随机浏览模型，给每个节点提供补充。

  2019-02-26

  

   2
• 

  白夜

  1.把影响力转化为每日使用时间考虑。
  在感兴趣的人或事身上投入了相对多的时间。对其相关的人事物也会投入一定的时间。
  那个人或事，被关注的越多，它的影响力/受众也就越大。而每个人的时间有限，一般来说最多与150人保持联系，相当于最多有150个出链。
  其中，一部分人，没人关注，只有出链没有入链，他们就需要社会最低限度的关照，这个就是社会福利（阻尼）。
  2.矩阵以前学了一直不知道在哪里可以应用，今天学了用处感觉还蛮爽的。

  编辑回复: 矩阵在推导的过程中还是有用的，现在很多函数都封装好了，可以直接使用，所以矩阵接触的就少了。自己能跑通了确实会比较爽。

  2019-02-25

  

   2
• 

  王彬成

  一、学完今天的内容，你不妨说说 PageRank 的算法原理？
  1、PageRank 的算法原理核心思想：
  -如果一个网页被很多其他网页链接到的话说明这个网页比较重要，也就是PageRank值会相对较高；
  -如果一个PageRank值很高的网页链接到一个其他的网页，那么被链接到的网页的PageRank值会相应地因此而提高。
  2、公式
  PR(u)=PR(v1)/N1+PR(v2)/N2+……
  其中PR(u), PR(v1) 为页面影响力。N1, N2是v1, v2页面对应的出链总数。
  3、算法过程
  1）给每个页面分配相同的PR值，比如PR(u)=PR(v1)=PR(v2)=……=1
  2）按照每个页面的PR影响力计算公式，给每个页面的PR值重新计算一遍
  3）重复步骤2，迭代结束的收敛条件：比如上次迭代结果与本次迭代结果小于某个误差，我们结束程序运行；或者比如还可以设置最大循环次数。
  
  二、你还能说一些 PageRank 都有哪些应用场景吗？
  引用链接：https://36kr.com/p/214680.html
  1、研究某段时间最重要的文学作品
  2、研究与遗传有关的肿瘤基因
  3、图书馆图书推荐
  

  编辑回复: 最有影响力的文学作品，肿瘤基因，图书推荐 这几个场景不错。

  2019-02-25

  

   2
• 

  白色纯度

  转移矩阵用到了Marcov过程的部分知识，转移概率矩阵并不一定收敛，需满足条件：不可约，平稳（可逆）。等级泄露和等级沉没都是破坏了不可约的情况，使得马氏矩阵不具备平稳概率。而解决该问题的思想又与朴素贝叶斯的平滑处理相似，浅见，若老师有时间还望指正。

  2019-06-18

  

   1
• 

  听妈妈的话

  有个人博客的人互互相交换友链，也是为了提高搜索引擎收录的rank吗？

  2019-03-23

  

   1
• 

  sunny

  这个计算PR权重的时候，是计算对象的每个入链的权重除以出链数量的之和，那从一开始计算的时候每个页面需要有个原始的权重值才行，这个原始权重是否就是1

  编辑回复: 针对节点的初始权重：如果N个节点的总权重是1，那么可以设置每个节点的权重为1/N

  2019-02-27

  

   1
• 

  Ling

  其实提出阻尼系数，还是为了解决某些网站明明存在大量出链（入链），但是影响力却非常大的情形。比如说 www.hao123.com 一样的导航网页，这种网页就完全是导航页，存在极其多出链；还有各种搜索引擎，比如 www.baidu.com、www.google.com 这种网站，基本不存在出链，但是入链可能非常多。这两种网站的影响力其实非常大。

  作者回复: 更符合人们实际浏览网页的场景

  2019-11-21

  

  
• 

  William～Zhang

  老师，在计算一个网页u的影响力的时候，用到v的影响力，这是怎么得到的？

  2019-11-14

  

  
• 

  S.Mona

  PageRank和机器学习和数据分析的关系是怎样的？

  作者回复: PageRank是基于图论的影响力模型，也是机器学习，数据分析的10大算法之一。机器学习和数据分析 很多时候概念有重叠，两者都是用数据解决问题，使用到很多模型，比如PageRank

  2019-10-16

  

  
• 

  FeiFei

  PageRank原理：
  通过聚合入链和出链的权重，来判断自身的排序。
  因为可能没有入链或者外链，因此加入阻尼因子d，来将这种情况规避。

  2019-08-27

  

  
• 

  吃饭睡觉打窦窦

  为啥等级泄露，我的代码跑出来4个点的pr值没有出现0的情况

  编辑回复: 先检查下等级泄露的矩阵，这里设置的是：
  M=[0 0 0 1/2] 
       [1 0 0 0 ]
       [0 0 0 1/2]
       [0 1 0 0 ]
  然后看下你迭代的次数。参考代码：
  import numpy as np
  a_leak = np.array([[0, 0, 0, 1/2],
  [1, 0, 0, 0],
  [0, 0, 0, 1/2],
  [0, 1, 0, 0]])
  b = np.array([1/4, 1/4, 1/4, 1/4])
  w = b
  print(a1)
  for i in range(100):
  w = np.dot(a_leak, w)
  print(w)

  2019-07-06

   1

  
• 

  lipan

  最后图解。早期搜索引擎问题，写的是k-means算法的流程。

  2019-06-12

  

  