Python实现PageRank算法

Question

我正在尝试理解谷歌的PageRank（网页排名）背后的概念，并打算在Python中实现一个类似的（虽然很简单）版本。我花了几个小时来熟悉这个算法，但还是有些不太明白。

我找到一个特别有趣的网站，上面讲解了如何在Python中实现PageRank。不过，我对页面上显示的所有函数的目的还是不太理解。有没有人能帮我解释一下这些函数到底在做什么，特别是pageRankeGenerator这个函数？

Answer 1

我来简单解释一下PageRank算法，以下内容是我个人的笔记。

假设有一些页面T1、T2，... Tn指向页面A，那么

PR(A) = (1-d) + d * (PR(T1) / C(T1) + ... + PR(Tn) / C(Tn))

其中

• PR(Ti)表示页面Ti的PageRank值
• C(Ti)表示页面Ti的出站链接数量
• d是一个叫做阻尼因子的值，范围在0到1之间，通常设为0.85

每个PR(x)的初始值可以设为1，然后我们通过重复这个算法大约10到20次来调整每个页面的排名。

以页面A、B、C为例：

   A <--> B
   ^     /
    \   v
      C

第一轮
A = 0.15 + 0.85 (1/2 + 1/1) = 1.425
B = 0.15 + 0.85 (1/1) = 1
C = 0.15 + 0.85 (1/2) = 0.575

这一轮的总和 = 3

第二轮
A = 0.15 + 0.85 (1/2 + 0.575) = 1.06375
B = 0.15 + 0.85 (1.425) = 1.36125
C = 0.15 + 0.85 (1/2) = 0.575

这一轮的总和 = 3

第三轮
A = 0.15 + 0.85 (1.36125/2 + 0.575) = 1.217
B = 0.15 + 0.85 (1.06375) = 1.054
C = 0.728

这一轮的总和 = 3

...