编辑备注：本文内容涵盖编程知识，如站长在阅读时遇到涉及程序算法公式时，建议只需了解大意即可，无需解读公式，重在了解PageRank算法的基本概念。
作者：张洋
很早就对 Google 的 PageRank 算法很感兴趣，但一直没有深究，只有个轮廓性的概念。前几天趁团队 outing 的机会，在动车上看了一些相关的资料，趁热打铁，将所看的东西整理成此文。
本文首先会讨论搜索引擎的核心难题，同时讨论早期搜索引擎关于结果页面重要性评价算法的困境，借此引出 PageRank 产生的背景。第二部分会详细讨论 PageRank 的思想来源、基础框架，并结合互联网页面拓扑结构讨论 PageRank 处理 Dead Ends 及平滑化的方法。第三部分讨论 Topic-Sensitive PageRank 算法。最后将讨论对 PageRank 的 Spam 攻击方法：Spam Farm 以及搜索引擎对 Spam Farm 的防御。
搜索引擎的难题
Google 早已成为全球最成功的互联网搜索引擎，但这个当前的搜索引擎巨无霸却不是最早的互联网搜索引擎，在 Google 出现之前，曾出现过许多通用或专业领域搜索引擎。Google 最终能击败所有竞争对手，很大程度上是因为它解决了困扰前辈们的最大难题：对搜索结果按重要性排序。而解决这个问题的算法就是 PageRank。毫不夸张的说，是 PageRank 算法成就了 Google 今天的低位。要理解为什么解决这个难题如此重要，我们先来看一下搜索引擎的核心框架。
搜索引擎的核心框架
评论