7,129
个编辑
更改
跳到导航
跳到搜索
第64行：
第64行： − + 第104行：
第104行： − +
无编辑摘要
如图所示，每个节点初始化或者指定一个PageRank值（如<math>PR(A)=0.4</math>），网页A包含两个超链接，分别指向B和C（或者说A投票给B和C），<math>0.4</math>拆分成两份，每份<math>0.2</math>，所以<math> PR(B)=0.2 </math>。A和B同时给C投票，所以<math> PR(C)=0.2+0.2=0.4 </math>。如此，不断地迭代，最后每个节点的值都会收敛，这样就求得了所有节点的PR值。
如图所示，每个节点初始化或者指定一个PageRank值（如<math>PR(A)=0.4</math>），网页A包含两个超链接，分别指向B和C（或者说A投票给B和C），0.4拆分成两份，每份0.2，所以<math> PR(B)=0.2 </math>。A和B同时给C投票，所以<math> PR(C)=0.2+0.2=0.4 </math>。如此，不断地迭代，最后每个节点的值都会收敛，这样就求得了所有节点的PR值。
每个页面将其当前的PageRank值平均分配到本页面所有出链上，一个页面将所有入链的PR值累加起来就构成了该页面新的PR值。如此迭代下去，最后得到一个稳定值。用数学公式表达，如下：
每个页面将其当前的PageRank值平均分配到本页面所有出链上，一个页面将所有入链的PR值累加起来就构成了该页面新的PR值。如此迭代下去，最后得到一个稳定值。用数学公式表达，如下：
假设他们的初始<math> PR </math>值为1，第一次迭代后，<math> PR(A) </math>和<math> PR(B) </math>的值为：
假设他们的初始<math> PR = 1 </math>，第一次迭代后，<math> PR(A) </math>和<math> PR(B) </math>的值为：
<source lang="Python">
<source lang="Python">