知识卡片
PageRank 按分量加权
只数认可票会被刷票攻破:注册小号互认,票数就上去了,书中用户 0、1、2 正是互认。PageRank 让票带权重——被高分者认可,比被无名者认可更值钱。初始把总分 1.0 平均分给所有节点;每轮每个节点把 damping 比例的分数平均分给它指向的人,剩下的平均撒给全网;反复迭代到稳定。分数沿有向边流动,形成一个自我印证的不动点,与特征向量中心性是同一件事。书中 Thor 只得两票却排第一,因为这两票来自只认可他一人的人,无需与他人分摊,且认可者本身有分数。代价是每轮都要遍历全图、图变化后要重算,新节点只能靠阻尼项拿到基础分,起步很慢。
结构图:
flowchart TD
A[总分 1.0 平均分给所有节点] --> B[每轮:按出链均分 damping 份额]
B --> C[剩余 1-damping 平均撒给全网]
C --> D{分数是否稳定}
D -- 否 --> B
D -- 是 --> E[输出排名]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第22章 网络分析 · 查看原书依据
更好的指标应考虑谁认可你。被广受认可的人认可应该比受到认可少的人认可更重要。这就是 PageRank 算法的精髓,Google 利用该算法对网站排名,主要是基于链接到的该网站的其他网站,以及链接这些网站的其他链接。
参考来源
- 位置:《数据科学入门(第2版)》第22章 网络分析(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0026.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「更好的指标应考虑谁认可你……」
- 原始内容:更好的指标应考虑谁认可你。被广受认可的人认可应该比受到认可少的人认可更重要。这就是 PageRank 算法的精髓,Google 利用该算法对网站排名,主要是基于链接到的该网站的其他网站,以及链接这些网站的其他链接。