对页面排名的怀疑答案

【问题标题】：Doubts about page rank对页面排名的怀疑
【发布时间】：2012-11-26 20:39:17
【问题描述】：

我正在尝试使用 Mapreduce 查找 Wikipedia 的内部页面排名。我在一小部分维基页面上实现了我的 Pagerank 算法。有 6349 个页面。我使用这个公式来计算 pagerank (d = 0.85)。

我想验证所有页面排名的总和是否等于页面总数（6349）。

到目前为止我发现了什么：

1.所有6349个页面的总页面排名为1001.26044

2.根据WikiPedia，如果我使用上面的公式，那么each PageRank is multiplied by N and the sum becomes N。我将每个页面排名乘以 N (6349) 并计算总和，我得到 6356789.5。

页面排名总和不等于总页面数有什么原因吗？我应该使用第二个公式来验证吗？

注意：我将 mapreduce 代码运行了 10 次迭代以获得良好的近似值。

【问题讨论】：

【解决方案1】：

我想，你的迭代太少了。为什么是10？为什么是100？还是100000？你应该数一数，最后两个变化的中位数或最大值是多少。从而评估可能的错误。

PR 是一个概率。它们的总和应该是1！ “所有pagerank之和等于总页数”这句话是错误的。

至于另一个公式，它属于另一个模型和另一个 PR。当然，您也可以使用它。或两者。但是你不能检查使用它。

【讨论】：

你想让我计算最后 2 次迭代的总页面排名之间的差异吗？我不太明白你所说的中等或最大是什么意思。这将如何帮助评估可能的错误？
你不知道真正的公关，记得吗？所以，你只能通过比较后续迭代的结果来猜测你离它有多近。但这些结果不是数字，它们是 6k 个成员的向量。所以，如果你想比较它们，你必须选择一些衡量标准——中等差异或最大差异。
如果您的最大差异为：1/10、1/20、1/40、1/80 ...，那么您肯定可以猜到最后一次迭代的实际误差为 1/80。

【解决方案2】：

这取决于您选择的基数（默认为 1）。每次迭代后，你必须计算

delta = (base - sum_of_ranks) / N

然后将每个等级减少 delta。只有这样，您才能让排名保持活力，直到最后一次迭代结束。

【讨论】：