关于pagerank算法的一点点总结

1. PageRank算法每个顶点收敛的值与每个点的初值是没有关系的，每个点随便赋初值。

2.像q=0.8这样的阻尼系数已经解决了PageRank中处在的孤立点问题、黑洞效应问题。

3.当有那个点进行PageRank计算时，我自己理解为一个n维方程，每个点的解对应x1,x2,...，这些解的和会收敛于一个值，d1表示上一次pr值的总和，d2表示新的一次pr值得总和：

对于每一个点：

for{

d2的子集=d1的子集*0.8+0.2；

d2的子集=d1的子集*0.8+0.2；

....

}

经过多次迭代，d1会无限趋近于d2;

则总的pr值收敛于d2=d2*0.8+0.2*n的解，也即顶点的个数。

但是所有点的pr值的总和收敛于一个固定值，并不代表每个顶点的pr值收敛于一个相同的值，就像：

固定值=x1+x2+x3+x4+....

x1,x2,x3,x4不一定是相同的值，但一定收敛与一个固定的pr值，并代表其重要性。