有了馬爾可夫蒙特卡洛方法打底，page rank算法就好理解多了。PageRank算法基本思想是，將互聯網看作一個圖，圖節點及其鏈接滿足馬爾可夫性，因為網站之間只與直接和他們相連的節點有關，比如從當前頁面通過超鏈接跳轉到下一個頁面而不能直接從一級頁面跳轉到三級頁面，因為頁面之間都是相互關聯的，同時可看作近似滿足不可約性，同時近似滿足正常返（從一個鏈接出發可以達任何一個鏈接），並且沒有周期性，所以這個馬爾可夫鏈存在平穩分佈。用隨機遊走的方式便利網絡，不斷迭代節點的概率值，既可以得到這個平穩分佈，而PageRank值就是在平穩分佈下每個網絡節點的權值，權值越高的網站重要度就越高。就是基於這個算法誕生了一家巨大的互聯網公司-Google。
分享到:
閱讀更多 老郭講算法 的文章
