“集智百科精选”是一个长期专栏，持续为大家推送复杂性科学相关的基本概念和资源信息。作为集智俱乐部的开源科学项目，集智百科希望打造复杂性科学领域最全面的百科全书，欢迎对复杂性科学感兴趣、热爱知识整理和分享的朋友加入！

今天分享网络科学领域里面PageRank算法这一主题。Google搜索依靠的强大算法，是怎样实现搜索并为其提供支撑，本文将介绍PageRank算法的基本概念，有哪些好玩的案例，知名的研究者、一些入门的学习资源。

二、PageRank算法的原理

PageRank是一种基于图论的算法。它将万维网上所有的网页视作节点 node，将超链接视作边 edge。网络中的每个节点都有一个PageRank值，表示该节点的重要程度。

PageRank的设计受到学术论文引用启发。衡量一篇学术论文质量高与否，最重要的一个指标是引用次数，高引用量的论文通常意味着高质量。同理，如果一张网页被引用（加入超链接）的次数多了，那么该网页就比较重要。

PageRank的核心思想有两点（结合下图进行说明）：

图2：PageRank原理示例

• 有越多的网页链接到某个网页，则说明这个网页越重要，网页对应的PageRank值越高。例如图中的B有很多网页链接到它。

  
  

• PageRank值高的网页链接到某个网页，则说明这张网页也很重要。例如，图中的C虽然只有一张网页B链接到它，但C的重要性仍然很高。而图中的E虽然有很多网页链接到它，但仍然不如C重要。

其中，Bu表示u连接的所有网页，c为常数，R(v)为网页v的PageRank值，Nv为网页v的链接数（度 Degree）。

PageRank算法通过输出概率分布来体现某人随机地点击某个网页的概率。在初次计算前，总概率将被均分到每个网页上，使得每个网页被访问的概率都是相同的。接下来在重复多次的计算（即迭代）中，算法将不断调整各网页的PageRank值，使得其越来越接近最终的理论值。

PageRank算法适用于任何复杂网络相关领域。例如，它被广泛用于分析社会网络、信息网络、生物网络等，并应用在链接预测和推荐系统中。

PageRank算法成功的基础在于“注意力经济”。搜索排序顶部的网页获得更多的关注，有更大的概率进入人们的意识，从而进一步影响行为。因此，这些网页有更高的潜力能够让用户为他们的业务进行更多的付费。

图3：PageRank简单示意图

除了商业外，PageRank算法还有其他领域的应用。例如通过分析科学论文协作网络，为作者和期刊排名，量化其领域影响力。在体育运动中，PageRank 算法可以对球队或者运动员的表现进行排名。在道路规划中，Pagerank算法可以对区域或街道进行排序，以预测有多少行人或车辆来到各个区域或街道。 

此外，使用PageRank算法可以：在蛋白质相互作用网络中预测潜在的药物治疗靶点；在生态系统网络中确定对环境可持续发展不可或缺的物种；在神经网络中研究神经元的位置与其放电速率的相关性等等。

谢尔盖·布林 Sergey Brin

图5：Sergey Brin

苏联出生的美国籍计算机科学家和互联网企业家。Google创始人之一，PageRank算法发明人之一。斯坦福大学计算机科学博士学历。2019年12月，谢尔盖·布林卸任Alphabet（Google母公司）总裁职务（President）。2020年4月的《福布斯》全球富豪榜中，谢尔盖·布林以净资产491亿美元，排名第14。

五、相关资源推荐

集智百科

PageRank算法集智百科

http://wiki.swarma.net/index.php?title=PageRank算法&variant=zh-hant

论文题目:

The pagerank citation ranking: Bringing order to the web.

论文地址：

http://ilpubs.stanford.edu:8090/422

Larry Page与Sergey Brin合作，于1999年发表，引用超13000次。

六、百科项目志愿者招募

作为集智百科项目团队的成员，本文内容由 张棋、刘世康、李媛翯 参与贡献。我们也为每位作者和志愿者准备了专属简介和个人集智百科主页，更多信息可以访问其集智百科个人主页:

在这里从复杂性知识出发与伙伴同行，同时我们希望有更多志愿者加入这个团队，使百科词条内容得到扩充，并为每位志愿者提供相应奖励与资源，建立个人主页与贡献记录，使其能够继续探索复杂世界。

欢迎扫描下方二维码添加负责人加入集智百科团队！

来源：集智百科

编辑：曾祥轩

👇点击“阅读原文”，阅读集智百科更多内容：算法代码实现，参与集智百科建设！