每天学一个算法--PageRank

📘 教案 21：PageRank（完整数学与算法机制）

一、问题背景

在一个包含大量网页的网络中，每个网页之间通过超链接相互连接。问题是：

如何评价一个网页的重要性？

直观但错误的思路

最简单的方法：

被链接次数越多 → 越重要

但问题是：

垃圾网页互相链接
权重无法区分

核心改进思想

一个网页的重要性，取决于"指向它的网页的重要性"

二、图模型表示

将网页系统抽象为有向图：

G = (V, E)

节点：网页
边：超链接（A → B）

定义

设：

PR(v) = \\text{节点 v 的重要性}

三、PageRank 基本公式

核心递推关系：

PR(v) = \\sum_{u \\in In(v)} \\frac{PR(u)}{L(u)}

含义

(In(v))：所有指向 v 的节点
(L(u))：节点 u 的出度（它指向多少个页面）

解释

每个页面将自己的"权重"平均分给它指向的页面

四、随机游走模型（关键理解）

PageRank 可以解释为：

一个"随机用户"在网页之间不断点击链接

规则：

在当前页面，随机选择一个链接跳转
不断重复

那么：

页面被访问的概率 = PageRank 值

五、问题：收敛性与死循环

存在问题：

1️⃣ 无出边节点（Dead End）

例如：

text 复制代码

A → B
B → （无）

👉 权重会消失

2️⃣ 小圈子（Spider Trap）

text 复制代码

A → B → C → A

👉 权重被困住

六、引入阻尼因子（Damping Factor）

改进公式：

PR(v) = \\frac{1-d}{N} + d \\sum_{u \\in In(v)} \\frac{PR(u)}{L(u)}

参数说明

(d)：阻尼系数（通常 0.85）
(N)：节点总数

含义

用户行为：

85%：点击链接
15%：随机跳转

👉 解决：

死节点
小圈子

七、矩阵形式（严格表达）

设：

PR = M \\cdot PR

其中：

(M)：转移矩阵

加入阻尼后：

PR = d M PR + \\frac{1-d}{N} \\mathbf{1}

👉 本质：

求一个"稳定分布"（特征向量问题）

八、求解方法（迭代法）

初始化：

PR\^{(0)} = \\left\[\\frac{1}{N}, \\dots, \\frac{1}{N}\\right

]

迭代：

PR\^{(k+1)} = d M PR\^{(k)} + \\frac{1-d}{N}

直到：

\|\|PR\^{(k+1)} - PR\^{(k)}\|\| \< \\epsilon

九、算法复杂度

每轮计算：

O(E)

总复杂度：

O(E \\cdot k)

（k 为迭代次数）

十、核心性质

1. 全局依赖

每个节点的值依赖全图

2. 递归定义

类似：

text 复制代码

重要性 = 别人对你的评价

3. 收敛性

在阻尼因子存在时：

必然收敛

十一、工程实现关键点

1️⃣ 稀疏矩阵优化

图通常很稀疏：

👉 用邻接表存储

2️⃣ 并行计算

每轮更新独立：

👉 可分布式计算

3️⃣ MapReduce / Spark 实现

十二、与其他算法的关系

算法	类型
BFS	局部搜索
Dijkstra	最短路径
PageRank	全局评分

👉 PageRank 是：

图上的"全局迭代优化算法"

十三、本质总结（严肃表达）

PageRank 通过构建随机游走模型，将网页重要性转化为稳态概率分布问题，并通过迭代计算得到全局一致的节点评分。

🔥 这一节的层级非常重要

你现在已经进入：

text 复制代码

图算法 → 概率模型 → 线性代数 → 工程计算