对网页重要性的评价 PageRank算法，HITS(Hyperlink Induced Topic Search)算法 ■都是为了利用HTML网页的链接特 点，改善查询的效果 Larry Page Sergey Brin ,当Spam页面淹没了search enginel的 搜索结果页面时，除了页面内容与 查询的相关性以外，页面本身的质 量/重要性的作用就显现出来 Jon Kleinberg
对网页重要性的评价 ◼ PageRank算法，HITS（Hyperlink Induced Topic Search）算法 ◼ 都是为了利用HTML网页的链接特 点，改善查询的效果 ◼ 当Spam页面淹没了search engine的 搜索结果页面时，除了页面内容与 查询的相关性以外，页面本身的质 量/重要性的作用就显现出来 Larry Page & Sergey Brin Jon Kleinberg
PageRank B 34.3% 39 38.4% 8.1% Why and how it works? +d(PR(B) L(B) +0+）
PageRank Why and how it works?
谁重要一些？ 如何用一个模型来刻画这种 感觉，使算出来的“重要性” 反映这种感觉？ 0010 E= 1001 0100 认识甲的人可能和认识乙的人一样多，但认识乙的 人都是些“重要人物”，于是通常会认为乙比甲重 要 ■不仅是人，论文也是一样，被重要的文章引用的文 章可能就比较重要些
◼ 认识甲的人可能和认识乙的人一样多，但认识乙的 人都是些“重要人物”，于是通常会认为乙比甲重 要 ◼ 不仅是人，论文也是一样，被重要的文章引用的文 章可能就比较重要些 谁重要一些？ 如何用一个模型来刻画这种 感觉，使算出来的“重要性” 反映这种感觉？
声望模型Reputation Model ■给定一个群体S,及其在上面的一个“知晓”关系 R,于是定义了一个有问“关系图”G。用邻接矩 阵E表示，E(,j)=1,当且仅当i听说过”j'（注意这 里没有程度之分，)。我们希望确定()：所有个体 i∈S的“声望 模型=：p(=[k,k=1红n 即i在G上的 “入度”，亦即正的第列的1的个数 ·清楚、好计算；但是“不够好” 攀手晓盟人}望第k=1小，即的声望 ·清楚、显得要更“精确些”；但是，好计算吗？
声望模型Reputation Model ◼ 给定一个群体S，及其在上面的一个“知晓”关系 R，于是定义了一个有向“关系图”G。用邻接矩 阵E表示，E(i,j)=1，当且仅当i “听说过” j（注意这 里没有程度之分）。我们希望确定p(i)：所有个体 i∈S的“声望” ◼ 模型一：p(i) = ∑E[k,i]，k=1,…,n，即i在G上的 “入度”，亦即E的第i列的1的个数 ◼ 清楚、好计算；但是“不够好” ◼ 模型二：p(i) = ∑E[k,i]p(k)，k=1,…,n，即i的声望 等于知晓他的人的声望之和 ◼ 清楚、显得要更“精确些” ；但是，好计算吗？
声望模型二 对于所有i,p()=∑E[k,i门p(k),k=1,,n 也就是，记p=(p(1),p(2),,p(n), p=Ep ■问题是： ■这个方程存在解吗？ 般来讲：这 ·如果存在，如何得到？ 个方程的非0解 ■如果不存在，该怎么办？ 是不存在的！
声望模型二 ◼ 对于所有i，p(i) = ∑E[k,i]p(k)，k=1,…,n ◼ 也就是，记p = (p(1), p(2), …, p(n))T , p = ETp ◼ 问题是： ◼ 这个方程存在解吗？ ◼ 如果存在，如何得到？ ◼ 如果不存在，该怎么办？ 一般来讲：这 个方程的非0解 是不存在的！