解决方案:初识PageRank算法

　　解决方案:初识PageRank算法

　　1.简单的PageRank计算

　　首先，我们将Web抽象如下： 1.将每个网页抽象成一个节点；2.如果一个页面A有一个链接直接链接到B，那么有一条从A到B的有向边（多个相同的链接不重复计算边）。因此，整个 Web 被抽象为一个有向图。

　　现在假设世界上只有四个网页：A、B、C、D。抽象结构如下图所示。显然，这个图是强连接的（从任何节点，你可以到达任何其他节点）。

　　然后需要使用合适的数据结构来表示页面之间的连接关系。PageRank算法就是基于这样一个背景思想：随机上网者访问的页面越多，质量可能就越高，而随机上网者在浏览网页时主要通过超链接跳转到页面，所以我们需要分析构成的超链接。图结构用于估计每个网页被访问的频率。更直观地说，一个网页的 PangRank 越高，随机浏览者在浏览网页的过程中停留在页面上的概率就越大，该网页的重要性就越高。

　　为简单起见，我们可以假设当一个随机的冲浪者停留在一个页面上时，跳转到该页面上每个链接页面的概率是相同的。比如上图中，页面A链接到B、C、D，所以用户从A跳转到B、C、D的概率各为1/3。假设总共有N个网页，可以组织一个N维矩阵：第i行第j列的值代表用户从第j页到第i页的概率。这样的矩阵称为转移矩阵。上图中四个网页对应的转移矩阵M如下：

　　那么，假设随机浏览者从n个页面出来的初始概率相等，那么初始概率分布向量是一个n维的列向量V0，每个维度为1/n。这里我们有 4 页，所以 V0-1 = [1/4, 1/4, 1/4, 1/4]。

　　这样，我们就可以从初始向量 V0 开始，不断地将转移矩阵 M 左乘。用户在浏览网页时主要通过超链接使i跳转后，停留在每个页面的概率为：Mi*V。停止直到最后两次迭代在结果向量中产生非常小的差异。实际上，对于 Web，50 到 75 次迭代足以收敛，误差控制在双精度。

　　以下是前四次跳转时每次迭代后每个页面的PageRank值：

　　可以看出，随着迭代次数的增加，网页A的PageRank值越来越大，接近其极限概率3/9。这也说明随机上网者停留在A页面的概率大于B、C、D页面，页面也更重要。

　　2. 问题 1：死胡同

　　

　　终止点是没有出链的点，比如下图中的C。

　　如果我们不对其进行处理，让终止点存在，那么随着PageRank迭代次数的增加，每个网页的PageRank值将趋于0，这样就无法获得网页相对重要性的信息.

　　通过从图中删除它们及其传入链来处理终止。这样做之后，可以生成更多的端点，并继续迭代消除端点。但最终我们得到了一个强连通子图，其中所有节点都是非终端的。我们以左图为例进行说明。按照上述步骤消除终止点后得到左图，得到右图。

　　我们得到右图对应的转移矩阵，计算图中A、B、C的PageRank值。

　　我们得到A、B、C的PageRank值分别为2/9、4/9、3/9，然后按照删除的逆序计算C、E的PageRank值。由于 C 是最后被删除的，所以首先计算 C 的 PageRank 值。A有3个外链，所以它贡献了1/3的PageRank值给C。D有3个外链，所以它贡献了1/2的PageRank值给C。所以C的PageRank值是：

　　E的入链只有C，C的出链只有E，所以E的PageRank值等于C的PageRank值。

　　需要注意的是，当前所有节点的PageRank值之和已经超过1，因此不能代表随机上网者的概率分布，但仍能反映对页面相对重要性的合理估计。

　　3.问题2：采集器蜘蛛陷阱

　　采集器陷阱是一组节点，虽然它们都不是终止点，但它们都没有出链指向该集合之外的其他节点。采集器 陷阱导致计算时将所有 PageRank 值分配给 采集器 陷阱内的节点。

　　

　　如下图所示，C是一个单节点采集器陷阱及其转移矩阵。

　　随着迭代的进行，C 的 PageRank 值趋于 1，而其他不在 采集器 陷阱中的节点的 PageRank 值趋于 0。

　　采集器 陷阱的处理方式是允许每个随机浏览者随机跳转到一个随机页面，跳转概率很小，而不必遵循当前页面上的外链。因此，根据上一次PageRank估计值V和转移矩阵M估计下一次迭代后的PageRank值V'的迭代公式变为：

　　其中 β 是一个选定的常数，通常在 0.8 和 0.9 之间。e 是一个向量，其分量全为 1，维度为 n，其中 n 是 Web 图中所有节点的个数。βMv 表示随机冲浪者以概率 β 从当前网页中选择外链向前移动的情况。(1−β)e/n 是一个所有分量为 (1−β)/n 的向量，它表示一个新的随机冲浪者具有 (1−β) 概率随机选择要访问的网页。

　　取β=0.8，上图的迭代公式变为：

　　以下是之前迭代的结果：

　　作为一个采集器 陷阱，C 获得了超过一半的 PageRank 值，但这种影响是有限的，并且每个其他节点也获得了一些 PageRank 值。

　　————————————————————

　　参考文献：《大数据：互联网海量数据挖掘与分布式处理》及其对应的原版电子书《海量数据集挖掘》

　　解决方案:百度即将“严打”B2B领域！细雨算法2.0应对方法！

　　2. 低质量内容：

　　1、图片内容质量低。

　　例如：图片内容与文字描述不一致，图片中嵌入了电话号码，图片质量极低，影响阅读体验等；问题示例：图片中嵌入了大量的联系电话。

　　2. 页面内容质量低劣。

　　例如：页面只有图片，没有有效信息，或者信息不完整；问题示例：网站只有图片展示，没有文字描述。

　　以上错误演示来自百度发布的案例。按照百度的做法，如果被算法命中，就会被限制显示；至于限制的持续时间，取决于 网站 违规的严重程度。

　　3

　　老牛总结了一下。百度自2013年公布第一个算法公告以来，一共发布了13个算法！而且这些算法会不时升级。例如，上周宣布升级信标算法 3.0。

　　还有雷霆算法、冰桶算法、微风算法、闪电算法、优采云算法……各种算法层出不穷，让企业网站运营商百思不得其解。

　　一旦被最新算法击中，权重会轻减，影响部分内容收录，权重会归零，搜索引擎显示完全消失。

　　

　　并且公司的网站运营商可能无法及时学习到最新的算法知识，或者无法及时响应。一旦他们被招募，网站晋升很可能会失败。

　　因此，在牛商网的SaaS云建站平台上，我们增加了“自动匹配最新搜索引擎算法”的功能。

　　只要登录后台，提醒板就会显示踩雷最新算法的提醒。我们根据提示内容调整优化方法和策略，极大的避免了网站运营人员不假思索的踩雷。

　　4

　　网站后台自动升级，网站运维更方便

　　搜索引擎版本迭代，传统独立网站后台无法同步升级，牛商云平台自动更新网站后台，同时快速修复bug避免修复时影响网络查询错误。

　　也就是说，百度等搜索引擎更新后，后台会根据适应最新算法的规则，自动匹配升级用户的网站结构，使升级后的网站符合到最新的算法，从而防止 网站Rank 由于算法更新而下降或关闭。

　　用户无需花时间研究算法规则，可以专心网站免费优化和付费推广。

　　5

　　什么是牛商网SaaS云平台

　　自2008年以来，牛商网已经为上万家企业打造了营销类型网站，积累了大量为中小企业网络营销保驾护航的经验。为了

　　方便企业客户网站优化运营、后台维护、网站升级，同时提供更安全稳定的运维环境。

　　

　　2015年，牛商网组织研发团队40余人，斥资2000万元以上，打造新一代SAAS营销型网站建站系统，更好地帮助客户，为网络营销保驾护航.

　　8大优势助力企业网络营销变好：

　　1、云建站平台，让建站更高效；

　　2、对搜索引擎更友好，更容易获得免费排名；

　　3、全静态营销类型网站，打开速度更快；

　　4.自动追逐，迎合搜索引擎算法；

　　5、网站后台自动升级，运维更方便；

　　6、前后台隔离，避免因断网造成的推广损失；

　　7.安全防护，一键释放；

　　8. 技术加密，防止数据被盗。

　　随着网民审美的不断提升，互联网技术的不断迭代升级，网络风险的上升，你的网站和空间是时候升级了。如何升级？详情回复后台“SaaS+姓名+电话”~

　　- 结尾 -