PageRank

PageRank是一种连结分析演算法，它通过对超连结集合中的元素用数字进行权重赋值，实现「衡量集合范围内某一元素的相关重要性」的目的。着名例子：Google利用PageRank分析网页相关性和重要性，在搜寻引擎最佳化(SEO)中经常被用来作为评估网页最佳化的成效因素之一。

搜寻引擎最佳化(Search Engine Optimization,SEO)

透过搜寻引擎的运算规则来调整网站排名，将网站曝光度提高可以增加网站的流量，当使用者在进行搜寻时，往往注意力会放在前面的搜寻结果，所以网站为了提高曝光度，会使用各种方式提高排名。

「针对搜寻引擎作最佳化的处理」，是指为了要让网站更容易被搜寻引擎接受。搜寻引擎会将网站彼此间的内容做一些相关性的资料比对，然後再由浏览器将这些内容以最快速且接近最完整的方式，呈现给搜寻者。

用Python实现PageRank

#how we update the PageRank
def PageRank_one_iter(graph, d):
    node_list = graph.nodes
    for node in node_list:
        node.update_pagerank(d, len(graph.nodes))

#Calculate new PageRank
def update_pagerank(self, d, n):
  in_neighbors = self.parents
  pagerank_sum = sum((node.pagerank / len(node.children)) for node in in_neighbors)
  random_walk = d / n
  self.pagerank = random_walk + (1-d) * pagerank_sum

参考资料：PageRank: Link Analysis Explanation and Python Implementation from Scratch

用JavaScript实现PageRank

Matrix.prototype.row_stochastic = function(damping_factor) {
 
    var row_length = this.elements[0].length;
    var d = (1 - damping_factor) / row_length;
 
    var row_total = [];
 
    for (var x = 0; x < row_length; x++) {
        row_total.push(0);
        for (y = 0; y < row_length; y++) {
            row_total[x] += this.elements[x][y];
        }
    }
 
    var a1 = this.elements.clone();
 
    for (var x = 0; x < row_length; x++) {
        for (var y = 0; y < row_length; y++) {
            if (row_total[x] > 0) {
                a1[x][y] = a1[x][y]/row_total[x] + d;
            }
            else {
                a1[x][y] = (1/row_length) + d;
            }
        }
    }
 
    return $M(a1);
 
}

参考资料：PageRank Explained with Javascript