马克威PageRank网页排名

马克威操作说明

（1）以数据文件“马克威通用数据1.mkw”为例，演示网页重要性排名（PageRank）算法的操作。首先，在工作区内，打开建模分析工作流：“机器学习”→“PageRank”，接着选择数据源，然后设置算法的参数，最后点击运行按钮。

其中各类参数的含义为：

选择“支付方式”和“快递方式”。具体的参数设置界面如下所示：

（2）输出结果

（3）结果说明

示例数据对链接网页进行网页重要性分析，并给出每个网页的Pagerank，给出等级最高的网页。

数据要求

输入数据类型：字符型数据

算法用途

PageRank算法最广为人知的作用是用于网页排名。但不仅仅只有这个用途，经过多年发展，它也可以应用于神经科学、交通网络等领域中；如用来评估不同大脑区域之间的联结和重要性，以及随着年龄的变化结果会如何改变；也用来预测城市交通流量和人员动向，这有助于提前预测现代交通可能出现的拥堵情况。

算法原理

PageRank算法用于衡量特定网页相对于搜索引擎中的其它页面的重要程度，从而使得“等级/重要性”的网页会相对排在前面。需要注意的是PageRank重要性级别并不是线性增长的，而是类似于指数的关系。

PageRank算法基本思想：是让链接来“投票”，即网页的重要性由网页间的链接关系所决定的，算法是依靠网页间的链接结构来评价每个页面的等级和主要性，一个网页的PR值涉及到指向它的链接网页数，还涉及指向它的网页的其网页本身重要性。PageRank的计算时基于两个基本假设的，一个是数量假设，即如果一个页面接收到的其它网页的链接数量越多，该网页越重要；另一个是质量假设，即质量高的页面通过链接传递更高的权重。

在初始阶段，通过网页链接关系构建有向图，每个页面设置相同的PR值，通过PageRank的计算公式每次迭代更新当前页面的PR值，通过若干轮递归计算，会得到每个页面的最终的PR值。PageRank算法公式为：

其中是页面的PageRank值，是所有页面的数量，是不同的页面，是是链出页面的数量，是阻尼系数（任意时刻用户到达某页面后并继续向后浏览的概率），的取值范围为0到1。

结果与解释

输出结果：