PageRank 算法的基本思想是,网页的热门程度依赖于指向它的网页的热门程度。假设有页面 ,有 这 个页面包含指向 的链接,代表页面 所包含的指向别的页面的链接的数量, 是一个介于 0 和 1 之间的常数(称为阻尼系数,一般取 0.85),则页面 的 PR 值(PageRank 值)
这个思想也可以由随即散步模型来解释:即从一随机网页起步,以概率 跳到另一随机选择的网页, 或以概率 随机选择一个当前网页上的链接并跟随此链接。
一个网页的 PageRank 就是随机散步者在任意给定时刻访问该网页的概率
。被许多网页指向的网页更可能被访问,被具有高 PageRank 的网页指向的网页更可能被访问。
为了求出各个网页的 PR 值,需要对上述方程组进行
迭代求解
(每个页面的PR值都可以根据上述公式得到一个方程),直到方程组的解收敛,或变化的范围很小。在本次实验中,第一次迭代每个页面的初始PR值为0.5,当所有页面相邻两次迭代的PR值变化小于0.00001时,程序认为函数已经收敛。
实验中的Map函数和Reduce函数的伪代码如下:
function map input (PageN, RankN) -> (PageA, PageB, PageC ...) begin Nn := the number of outlinks for PageN for each outlink PageK TempN = RankN/Nn output (PageK) -> (PageN, TempN) output (PageN) -> (PageA, PageB, PageC ...) end function reduce input (PageK) -> (PageN1, TempN1) (PageK) -> (PageN2, TempN2) ... (PageK) -> (PageNt, TempNt) (PageK) -> (PageAk, PageBk, PageCk ...) begin TempK := 0 for each inlink PageNi TempK += TempNi RankK = 1 + (TempK - 1) * d output (PageK, RankK) -> (PageAk, PageBk, PageCk ...) end function combine input (PageK) -> (PageN1, TempN1) (PageK) -> (PageN2, TempN2) ... (PageK) -> (PageNt, TempNt) (PageK) -> (PageAk, PageBk, PageCk ...) begin TempK := 0 for each inlink PageNi TempK += TempNi output (PageK) -> ("", TempK) if has (PageK) -> (PageAk, PageBk, PageCk ...) output (PageK) -> (PageAk, PageBk, PageCk ...) end