世界杯预选赛亚洲区_高达世界杯 - fzxzyy.com

目录

一、基本概念

1.1 背景介绍

1.2 算法中心思想

二、算法和公式

2.1 PageRank公式

2.2 矩阵化表达：使用转移概率矩阵/马尔科夫矩阵

2.3 通过矩阵化表达，快速计算 PR 值

2.4 两种方式的关系

三、Dead Ends 问题

3.1 Dead Ends 的产生

3.2 解决方法：Teleport

3.3 Dead Ends 问题修正公式

四、Spider Traps 问题

4.1 Spider Traps 的产生

4.2 解决方法

4.3 Spider Traps 问题修正公式

五、代码实战

六、PageRank 优缺点

一、基本概念

1.1 背景介绍

PageRank 算法由 Google 创始人 Larry Page 在斯坦福读大学时提出，又称 PR，佩奇排名。主要针对网页进行排名，计算网站的重要性，优化搜索引擎的搜索结果。PR 值是表示其重要性的因子。

1.2 算法中心思想

1. 数量假设

当在网页模型图中，一个网页接受到的其他网页指向的入链（in-links）越多，说明该网页越重要。

2. 质量假设

当一个质量高的网页指向（out-links）一个网页，说明这个被指的网页重要。

3. 出链入链

二、算法和公式

2.1 PageRank公式

PR(Ti)：其他节点的（指向 a 节点）PR值

L(Ti)：其他节点的（指向 a 节点）出链数

i：循环次数

举例：

初始化的PR值为 1/N = 1/4 。

2.2 矩阵化表达：使用转移概率矩阵/马尔科夫矩阵

从A将跳转到 B 或 C 的概率为 1/2。

从D将跳转到 A 的概率为 1。（矩阵的列表示出链）

2.3 通过矩阵化表达，快速计算 PR 值