网页排名

#网页排名

• 什么是网页排名
• 基本思路
• 环状链接的问题
• 随机游走模型
• 特点

#什么是网页排名

网页排名（PageRank）是 Google 用于对搜索结果排序的算法，利用网页之间的链接结构计算网页的价值。链入页面越多的网页，重要性越高。

  ┌──→ 页面A ←──┐
  │    ↑        │
  页面B  页面C  页面D
  │    ↓        │
  └──→ 页面E ←──┘

  页面A 被多个页面链接 → 权重高

#基本思路

• 没有链入页面的网页，权重为 1
• 有链入页面的网页，权重 = 所有链入页面的权重之和
• 如果一个网页链向多个页面，则平分权重给所有被链页面

权重为 3 的页面链向 3 个页面 → 每个页面分得 1

  3 → 1, 1, 1

链入页面越多，该网页发出的链接价值越高:

  [权重1] [权重1] [权重1]
     ↓      ↓      ↓
   [权重3 的页面]
     ↓ ↓ ↓
   链出的每个链接价值更高

#环状链接的问题

如果链接结构为环状，计算会无限循环，环内网页的权重不断增长：

  A → B → C → A → B → C → ...（无限循环，权重不断增长）

#随机游走模型

解决环状问题的方法：模拟用户浏览网页的行为。

• 用户以概率 1-α 跳转到当前网页链接的页面（α 通常为 15%）
• 以概率 α 远程跳转到任意一个网页

  用户行为:
  85% 概率: 点击当前页面的链接继续浏览
  15% 概率: 随机跳转到任意网页（不通过链接）

  → 即使链接成环，远程跳转也能打破循环

模拟大量用户的浏览过程，统计每个网页被访问的次数，访问次数的比例就是该网页的权重。

#特点

• 利用链接结构计算网页价值，不需要分析网页内容
• 链接成环时也能计算（随机游走模型解决）
• 是 Google 成为世界知名企业的核心算法
• 现代搜索引擎的排序不仅依赖 PageRank，还结合了更多因素

#小结

• PageRank 利用网页间的链接结构计算价值
• 基本思路：链入越多、链入页面权重越高，则权重越高
• 随机游走模型（85% 跟链接 + 15% 随机跳转）解决环状链接问题
• 划时代的算法，但现代搜索排序已不 solely 依赖它