问题标签 [pagerank]

背景：我在 sub.domain.com 上有一个网络应用程序。我的主要网站在 domain.com 上。我的 sub.domain.com 页面塞满了我想用来在 domain.com 上提高 pagerank 的关键字。但是，整个应用程序已经编写在 sub.domain.com 上，并且由于 URL 的编写方式等原因，将其托管在 domain.com/subdirectory 上需要付出一些努力。

第一个问题：您是否希望迁移（从 sub.domain.com 到 domain.com/subdirectory）大大提高 domain.com 的 pagerank 比现在如何？我做了很多研究，对于谷歌是否将子域与主域链接起来，意见分歧很大。

下一个问题：如果我确实想做迁移，在实际的代码库中很难做到（比困难更乏味）。有人对我如何用 mod_rewrite 做到这一点有一些建议吗？我知道必须有一个聪明的方法来做到这一点，但我什至无法开始勾勒出一个解决方案。也许这意味着这不是一件好事，但我希望能够快速破解，而不是重写我所有的 URL。另外，我希望它很容易可逆，如果我更改我的 URL 就不会出现这种情况（开发正在进行中，所以它不像推出以前的版本那么简单）。

我有一个域列表，并希望获得：

1. 所有域的 PageRank。所以只是一个整数，必须有一个 API 来返回它。
2. Google 中的结果数
3. 域名单词的位置。例如，“google.com”将是单词“google”的位置。这可能是第 20 位。

我被要求完成我的最终学位项目，以建立一个定制的 SEO 内容管理系统；关键是该请求是为这个CMS的内部搜索引擎实现PageRank算法，通过PR对查询结果进行排序。可能吗？我该如何开始呢？CMS 建立在 PHP 和 MySql（或 PostgreSql）之上。非常感谢你。

我是一名学生，有兴趣开发一个搜索引擎，为我的国家/地区的页面编制索引。一段时间以来，我一直在研究要使用的算法，并且我认为 HITS 和 PageRank 是目前最好的。我决定使用 PageRank，因为它比 HITS 算法更稳定（或者我已经阅读过）。

我找到了无数与 PageRank 相关的文章和学术论文，但我的问题是我不理解这些论文中构成算法的大部分数学符号。具体来说，我不明白谷歌矩阵（不可约的随机矩阵）是如何计算的。

我的理解是基于这两篇文章：

• http://online.redwoods.cc.ca.us/instruct/darnold/LAPROJ/fall2005/levicob/LinAlgPaperFinal2-Screen.pdf
• http://ilpubs.stanford.edu:8090/386/1/1999-31.pdf

有人可以用更少的数学符号提供一个基本的解释（例子会很好）吗？

提前致谢。

我的 Mysql 数据库中有两个表

table1 有我网络中的所有网页

table2有两个字段，分别是链接的源页面和链接的目的页面

如何计算我的网络的页面排名

我在这里找到了这篇文章，它解释了 PageRank 算法，但是用 PHP 编写他们的公式非常困难 + 我不擅长数学

谢谢

更新：

我的网络中有近 5000 个页面

根据维基百科：PageRank

概率表示为 0 到 1 之间的数值。0.5 的概率通常表示为某事发生的“50% 机会”。因此，PageRank 为 0.5 意味着有 50% 的机会点击随机链接的人将被定向到具有 0.5 PageRank 的文档。

他们说任何网络中所有页面排名的总和应该等于 1

我的问题是，

那么谷歌是如何给每个页面10分的呢？！

我问这个问题是因为我已经为我的小型本地网络计算了 pagerank

但我以一个小的 pagerank 数字结束，例如 0.0286358921402

如何将它们更改为百分比或 10？

谢谢

我是一名学生，正在进行一项研究以增强搜索引擎的现有算法。

我想知道如何评估我已经改进的搜索引擎，以量化算法改进了多少。

我应该如何比较新旧算法？

谢谢

如何自动查找域的 pagerank？我遇到了这个 Python 脚本，但它不再有效。似乎谷歌不喜欢人们自动化这个。

那么，是否有替代的页面排名分数提供者？我不需要与谷歌完全相同的结果，但可以比较的结果。

Pagerank作用于一系列页面的节点图和由它们各自的向内和向外链接形成的有向边。因此，特定页面的排名大致是节点图中的局部诱导效应。

另一方面，SVD适用于整个值矩阵，并且没有方向性 - 站点 A 和站点 B 之间的链接只会在正确的矩阵元素上注册为 1。它是一个全球系统，所以排名是一个全球效应。

鉴于网络衍生矩阵的极端稀疏性，我认为 SVD 在这里表现不佳，因为它需要完整的数据集，并且需要大量内存。

真的吗？Pagerank 是否在很大程度上超过了 SVD，因为它是一种基于节点图的算法？Pagerank 如何从页面中推断出超出单词被提及次数的语义相关性？或者这是在 Pagerank 对页面进行排名之后执行的第二步？

我看到很多人使用PR(A) = 1 - d + d * \sigma PR(E)/L(E)pagerank 公式。但确实如此PR(A) = (1 - d)/N + \sigma PR(E)/L(E)。我知道不会有太大的区别，因为如果PR(A) > PR(B)那样的话，无论您使用哪种公式，它仍然是相同的。同样在拉里佩奇关于 PageRank 的论文中，他说当所有的 pagerank 加在一起时，应该等于 1