← 返回刚才阅读的位置

知识卡片

结构图卡 · 9780.h · 生成模型:DeepSeek-V4.1-Flash

PageRank 按分量加权

理解等级:高级

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?

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。