遞迴的意思是：假如現在要求c，指向c的入鏈只有b，那麼得先求b的重要度，b重要度的大小取決於指向b的入鏈以及這些入鏈的重要度。
「隨機」的解釋：從i這個頁面開始，它可能有di種選擇，而且他做每一種選擇的時候，選擇的概率是相同的，即他決定到下乙個頁面是乙個隨機的選擇(應該跳到那個頁面)，我們把上面圖中的矩陣叫隨機鄰接矩陣。
σri=1在這裡表示限定條件，和流方程一樣，不加限定條件會有無窮多個解。所以這裡的限定條件是假定所有網頁的重要度求和等於1。
矩陣的行和r向量相乘的時候就是對流公式的表示。
兩個向量的1範數，其實是對應位置的差值絕對值之和。
r向量是所有網頁的重要程度組成的向量。
總共是3個節點，初始化每個節點的重要度分別是1/3。
r=r'的意思是，最後求得r'的值趨於穩定，不再變化。
如果有很多頁面指向頁面j的話，那麼它的重要度是很高的。
按照流公式迭代不一定會收斂到我們想要的結果。
a,b節點圖，如果用1，0去初始化的話，會發現他們一直再對調。
abcd圖，所有的權重最後都歸到了c這乙個點。
隨著矩陣運算的迭代，拿到的abcd四個值都會非常非常趨於零。
m這個點就是個陷阱問題，最終所有的權重都被吸到m這個點上。
終結者問題，最後的迭代結果是零零零，m這個點沒有任何出鏈。
e代表全部的網頁，就是說瀏覽者會隨機的在全部網頁中開啟乙個。
pagerank是乙個針對圖的演算法，有名是因為，最早的時候谷歌用它做了乙個所謂比較公正的網路排序，但後來人們對他做了各種優化，爭取通過他的規則，把自己的網頁提高比較靠前的位置，也通過優化來使結果更加的穩定。
pagerank可以幫你在有關聯的圖中找到最重要的節點。
PageRank演算法初探
pagerank演算法由segey brin和larry page在1998年發表在www7。該演算法的高效能和易使用等特點，和其他的搜尋系統相比質量更高。因此，谷 歌成為世界上最常用的搜尋引擎有很大一部分是基於此。他們借鑑了當時學術界評判 重要性的通用方法，根據 的引用次數。將這種思路對映到網頁的...
PageRank演算法核心
讀者盆友，中午好，這裡分享下pagerank演算法的核心思想。本部落格 示例均來自 演算法 algorithmes forth edition 美 robert sedgewick kevin wayne 著 謝路雲譯 s.brin 和l.page 發明的pagerank演算法，裡面非常重要的思想是...
PageRank演算法改進
pagerank 演算法是 google 搜尋引擎進行網頁排名的一種演算法，那麼它如何對映到其他領域？比如，我們如何在文獻排名中應用pagerank演算法呢？對文獻的質量進行排序是對文獻價值進行評估的一種重要手段，目的是為了方便人員在檢索時查閱。統計文獻的被引次數是一種非常直觀的統計方式，在此基礎之...