啥是佩奇排名算法

佩奇排名介紹

佩奇排名是根據頁面之間的連接結構計算頁面的值的一種算法。下面咱們經過動畫來理解進行計算的具體流程。

假設一個正方形表示一個 WEB 頁面，一個箭頭表示一個頁面之間的連接。

在佩奇排名算法中，網頁指向的連接越多，頁面被肯定爲越重要。

所以，在這裏，肯定首頁最重要。

實際上，每一個頁面的重要性都是經過計算來量化的。

基本的計算方法思想

1.未連接的頁面分數爲 1

2.有連接的頁面得分爲正在連接的頁面的總得分

3.當有多個網頁的連接時，連接分數均勻分佈

4.來自高度連接網頁的連接具備很高的價值

該圖中心頁面有三個獨立頁面指向它的連接，因此它的分數是 3 。
首頁有一個很大的分數，由於連接是從分數爲 3 的頁面指向它的。

在動畫中的六個頁面中，判斷最上面的頁面是最重要的頁面----這是佩奇排名的基本思想。

基本的計算方法思想的循環問題

若是按照順序來計算每一個頁面的分數時，那麼就會出現問題：以這種方式計算，它將無限循環，而且在循環中的頁面得分在任何地方都會很高。

循環的問題能夠經過「隨機遊走模型」的計算方法來解決。

隨機遊走模型

以小豬佩奇瀏覽網頁爲例。

小豬佩奇開始訪問「五分鐘學算法」中有趣的頁面，那麼從這個左下角頁面開始。

它們跟隨一個連接並移動到另外的一個頁面，看了一些以後，發現不敢興趣了，這樣就中止了瀏覽。

而後，又一天，它在小吳的推薦下，在徹底不一樣的頁面進行瀏覽，跟隨一個連接並移動到另外的一個頁面，一旦失去興趣就中止瀏覽。

像這樣，重複從某個頁面開始瀏覽，移動幾頁後便中止的操做，若是從互聯網空間一側進行觀察，就像網頁瀏覽的人：重複移動頁面幾回後傳送到一個徹底不一樣的頁面。

量化隨機遊走模型

假設 1 - α 表明選擇當前頁面中的一個連接的機率。

α表明該人將傳送到其餘頁面的機率。

如今用 隨機遊走模型 處理上述的循環問題。

若是總頁面訪問次數達到1000次以後，使用百分比進行表示：那麼這個值就表示「在某個時間點查看頁面的機率」。

### 更實用的計算方法

如圖所示，如今來嘗試計算複雜的連接網絡中每一個頁面的分數。

如今均勻設置分數，使總分加起來爲 1 。然後根據網頁瀏覽者的移動，來計算每一個頁面的機率。

移動 n 次時出如今 A 中的機率表示未 PAn，移動 n 次時出如今 B 中的機率表示未 PBn。

舉一個例子，在移動 1 次以後求在 A 的機率 PA 1。

在 C 選擇移動的機率是 1-α。

其中，移動到 A 的一種場景是，C 中的佩奇選擇了移動而不是傳送。另外，這裏選擇了 A 而不是 B 做爲目的地。
而且，根據上面的 當有多個網頁的連接時，連接分數均勻分佈 這條規則，從 A 或 B 選擇 A 的機率是 0.5 。

所以，從 C 移動到 A 的機率是 PC0 ✖️ （1-α） ✖️ 0.5。

A 被選爲傳送目標的機率是 0.25 ，根據前面的理論：在 A、B、C、D 中小佩奇選擇傳送的機率爲 α。所以，經過傳送移動到 A 的機率爲 α ✖️ 0.25。
因此，移動一次後在 A 的機率爲
PA1 = PC0 ✖️ （ 1 - α ) ✖️ 0.5 + α ✖️ 0.25

其中 PC0 = 0.25 ， α = 0.15，代入計算後 PA1 = 0.14375。

這樣，經過計算後 B 、 C 、D 頁的機率也更新了。

上面在移動 1 次以後這四個頁面的機率更新狀況，根據上述相同的方法計算 2 次後小佩奇瀏覽在每一個頁面的機率。

一樣的，通過大量的移動，在每一個頁面上的機率逐漸趨於固定值。當數值固定是，計算也就完成了。

End

佩奇排名就是這樣一種經過訪問機率代替連接的權重來計算的機制。