Google的PageRank算法学习..docVIP

Google的PageRank 1、入链对计算页面级别的影响　　入链总是能增加当前页面的级别，尤其当前页与其下级页面构成回路时，这种贡献更大。如右图例，设ABCD各页初始级别为1，阻尼系数为0.5，PR(X)/C(X)＝10。则易算出 PR(A) = 19/3 = 6.33PR(B) = 11/3 = 3.67PR(C) = 7/3 = 2.33PR(D) = 5/3 = 1.67 如果A不在回路上，则只能得0.5*10=5的收益。　　阻尼系数越大，页面级别的收益越大，且整个回路上都能收到更大的收益（即入链收益更能平均地分布到各个回路页面上。针对上例，将阻尼系数改为0.75，则有 PR(A) = 419/35 = 11.97PR(B) = 323/35 = 9.23PR(C) = 251/35 = 7.17PR(D) = 197/35 = 5.63 除回路上各个页面的级别值明显增大外，PR(A)/PR(D)的值敢明显减少了。　　入链对整个回路上所有页面的级别值的增加之和，可以由下面这个公式得出. (d / (1-d)) × (PR(X) / C(X)) 这个公式，可以由简单推导出。2、出链对计算页面级别的影响　　增加出链不会影响整个web的总级别，但一个站点失去的级别值等于链到的站点的增加值之和。对于两个封闭的站点，从一个站点链上另一个站点时，增加的和减少的都是(d(/(1-d) × (PR(X) / C(X)).如果这两个站点互相链接，则此值减少。用随机冲浪模型可以解释这种现象，就是出链的增加，减少了用户访问站内页面的概率。举例如图，设阻尼系数为0.75，则 PR(A) = 0.25 + 0.75 PR(B)PR(B) = 0.25 + 0.375 PR(A)PR(C) = 0.25 + 0.75 PR(D) + 0.375 PR(A)PR(D) = 0.25 + 0.75 PR(C) 得：PR(A) = 14/23PR(B) = 11/23 PR(C) = 35/23PR(D) = 32/23 PR(A)+PR(B)=25/23PR(C)+PR(D)=67/23PR(A)+PR(B)+PR(C)+PR(D)=92/23=4 　　Page和Brin将这样的链接称为悬摆链，它链到页面没有出链。悬摆链对页面的级别计算产生负面影响。如例，阻尼系数为0.75. PR(A) = 0.25 + 0.75 PR(B)PR(B) = 0.25 + 0.375 PR(A)PR(C) = 0.25 + 0.375 PR(A) 得：PR(A) = 14/23PR(B) = 11/23PR(C) = 11/23 PR(A)+PR(B)+PR(C)=36/233 　　据Page和Brin，Google在索引页面时，悬摆链的量很大，主要是由于限制robot.txt的限制及索引了一些没有链出的文件类型如PDF等。为消除这种负面影响，google在计算级别时，将此类链接从数据库里去掉，在计算完毕后，再单独计算悬摆链所链到页面。由此可见，PDF类的文件还是可以放心地在网上发布的。 3、页面数量的影响　　先看例子。阻尼系数为0.75,PR(X)/C(X)=10,则 PR(A) = 0.25 + 0.75 (10 + PR(B) + PR(C))PR(B) = PR(C) = 0.25 + 0.75 (PR(A) / 2) 得：PR(A) = 260/14PR(B) = 101/14PR(C) = 101/14 PR(A)+PR(B)+PR(C)=33;增加页面D；PR(A) = 0.25 + 0.75 (10 + PR(B) + PR(C) + PR(D))PR(B) = PR(C) = PR(D) = 0.25 + 0.75 (PR(A) / 3) 得PR(A) = 266/14PR(B) = 70/14PR(C) = 70/14PR(D) = 70/14 PR(A)+PR(B)+PR(C)+PR(D)=34 增加页面后，所有页面的级别值之和增加了1，A页略有增加，而B、C则用大幅下降。　　再看右边的例子，假定同上。 PR(A) = 0.25 + 0.75 (10 + PR(C))PR(B) = 0.25 + 0.75 × PR(A)PR(C) = 0.25 + 0.75 × PR(B) 得：PR(A) = 517/37 = 13.97PR(B) = 397/37 = 10.73PR(C) = 307/37 = 8.30 增加页面D：PR(A) = 0.25 + 0.75 (10 + PR(D))PR(B) = 0.25 +