Вы можете быть знакомы с технологией PageRank Google. Google считает, множество переменных для вычисления PageRank вашего сайта. Это обсуждение крайне упрощенная версия PageRank.
Предположим, что мы выстраиваем сайтов, количество и качество входящих ссылок. Качество входящего ссылка определяется как функция PageRank сайта, которые ссылаются на другие.
Возьмем пример. На следующем рисунке показано, как небольшая группа сайтов ссылаются друг на друга.
Обратите внимание, что сайт F не входящих в то время как веб-сайт ссылка G не имеет исходящие ссылки.
Теперь из данного графа связей мы должны выяснить, (относительная) PageRank каждой из веб-сайтов. Вначале будем считать, что все страницы имеют одинаковый PageRank. Теперь мы рассчитываем количество входящих ссылок на каждый сайт и изменить PageRank в зависимости от количества входящих ссылок.
Мы определить PageRank сайта как:
PR (A) =? PR (х) / L (х)
где L (х) = количество исходящих ссылок на сайте х
и х обозначает сайтов со ссылками на А.
При запуске этот алгоритм в первый раз, PageRank всех страниц обновляется. Теперь проблема в том, что с PageRank всех входящих страниц были обновлены, мы должны заново вычислить PageRank страниц, вновь взять новые значения PageRank во внимание. (Вы можете предсказать эту проблему просто, заметив, что функция является рекурсивной 1.) Поверхностей же проблемы в каждой итерации алгоритма.
Вопрос в том, что если изменение ПэйджРанка в каждой итерации, как мы знаем, когда остановиться итерации? Ли когда-нибудь ПэйджРанка стабилизации? (Правильный термин сходимости).
Вот питон скрипт для имитации расчета PageRank много раз снова и снова для выяснения значения сходятся или нет. Выходные значения представлены в процентах. (Google считает, что это значение как вероятность лицо посещение какого-либо конкретного сайта).
Приведенная ниже таблица показывает, как PageRank изменения после каждой итерации:
Как вы можете видеть ПэйджРанка колебаться высоко в начальных итераций, а затем стабилизируется. Это означает, что сходится PageRank функции.
Другой думаю, следует отметить, что добавление еще узлы графа, казалось, не влияет на сходимость. Даже если удвоить количество сайтов в сборе, число итераций, принятых для сходятся остается почти такой же. Другие страны также достигли те же результаты (PPT). Функция PageRank аналогично электрического тока, протекающего через сетку. Даже если Есть много узлов и источников тока стабилизируется (и стабилизирует очень быстро).
Отметим также, что сайт D имеет самый высокий PageRank, который следует ожидать, поскольку он имеет наиболее входящие ссылки. Сайт F имеет самый низкий PageRank, поскольку она не имеет входящих ссылок.
В соответствии с этим алгоритмом, ссылок с других сайтов не уменьшить PageRank вашего сайта. Существует проблема, хотя. Возьмем, к примеру сайт Г. Это не ссылка на любом другом сайте. Это означает, что PageRank не вытекающей из G сайта на другие сайты. Если сайт G ссылки на другие сайты, то она бы увеличить PageRank на другие сайты по чуть-чуть. (Это дело касается только первой ссылке из любого сайта). Чтобы решить эту проблему, Google PageRank разделяет таких сайтов, как эти (так называемые раковины) для всех других сайтах. Вы также можете прочитать о коэффициент затухания .
Перед отъездом вы можете объяснить, почему PageRank сайта больше, чем у сайта Б?
