PageRank 初探
算法简介
Google的经典算法--PageRank。点击了解更多关于PageRank。
PageRank的核心目标在于计算网页的重要性，从而提供一个自上向下的排名。而TextRank主要为文章中的单元的重要性（或关键词）。
计算方法
我们煮一个简单的栗子。（如果你想看的更多请移步至PageRank算法简介及Map-Reduce实现，本例为其例子的简化版）
首先模拟一个PageRank的场景，如图（在本例中，假设互联网中只存在4个页面ABCD。且满足：1. 图是强连通的，即从任意网页可以到达其他任意网页；2.禁止出现网页不存在指向其他网页的链接，但存在指向自己的链接。）：
当某位用户在访问A页面时，他有1/3的概率去访问BCD页面中一（在AB之间的直线A→B表示A可以访问B，BA中的B→A表示B可以访问A。相对于A来说，前者为出链，后者为入链）。
同理，在D页面时，有1/2的概率访问BC，依次类推可以画出一个表格：
| ---- | A | B | C | D |
|---|---|---|---|---|
| A | 0 | 1/2 | 1 | 0 |
| B | 1/3 | 0 | 0 | 1/2 |
| C | 1/3 | 0 | 0 | 1/2 |
| D | 1/3 | 1/2 | 0 | 0 |
使用矩阵表示为：
在第一次访问时，由于现在的模型符合古典概型，即访问的页面是等可能的，即访问每个页面的可能性都为1/4，Vn表示第n次访问的概率
在未来的多次访问中，我们用相同的方法计算，直到矩阵收敛（Vn=MV(n-1)）：
即此时的矩阵为页面的PageRank。