Google搜索引擎的奥秘

核心提示： 1、背景和问题 据统计超过80%的用户靠搜索引擎获取信息 网站排名是网络搜索引擎的核心 目前Google数据库存储上百亿网页信息, 每天提供查询服务达到3亿多次2、google查询过程示意图3、Google搜索的核心算法 PageRank是 Google 用于评价一个网页的重要性的一种方法.

 1、背景和问题

• 据统计超过80%的用户靠搜索引擎获取信息
• 网站排名是网络搜索引擎的核心
• 目前Google数据库存储上百亿网页信息, 每天提供查询服务达到3亿多次

•  PageRank是 Google 用于评价一个网页的重要性的一种方法.  通过该方法,  Google 将各个网站进行排名.  用户进行相关搜索时,  Google 会将符合条件的网站按排名顺序输出.
•  PageRank 算法中使用的数学知识包括：正矩阵性质、特征值和特征向量、幂迭代算法、Gauss-Seidel迭代算法等.
•  PageRank 得分是介于 0 和 1 之间的一个数,得分越大表示网页越重要.

• 导入链接：单纯意义上的受欢迎度指标
• 导入链接是否来自受欢迎程度高的：有根据的受欢迎指标
• 导入链接源页面的导出链接：被选中的概率指标

• 若 B 网页上有连接到 A 网页的链接( 称 B 为 A 的导入链接 ),  说明 B 认为 A 有链接价值，是一个“重要”的网页.  当 B 网页级别 ( 重要性 ) 比较高时, 则A 网页可从 B 网页这个导入链接分得一定的级别 ( 重要性 ), 并平均分配给 A 网页上的所有导出链接.（导出链接就是网站或者页面中有指向别的网站的链接）
•  在PageRank算法中,  一个网页的级别(重要性)大致由下面两个因素决定：该网页的导入链接的数量和这些导入链接的级别(重要性).

•  互联网是一个有向图
•  每一个网页是图的一个顶点
•  网页间的每一个超链接是图的一个有向边
•  用邻接矩阵G来表示有向图,  即，若网页j到网页i有超链接, 则g_ij=1,  否则为g_ij=0.  

• 用邻接矩阵G来表示图,  即，若网页j到网页i有超链接, 则g_ij=1,  否则为g_ij=0.
• 定义矩阵G的列和与行和