【NLP】PageRank、TextRank算法的原理解析_textrank和pagerank

一、说明

        PageRank是经典的网页热度评分算法，在自然语言的热词提取也有同样的意义（TextRank）；本文详细叙述该算法的原理，配合部分代码演示其原理。        

二、PageRank算法的启发因素

2.1 算法兴起

        PageRank (PR) 是 Google 搜索使用的一种算法，用于在其搜索引擎结果中对网页进行排名。1996 年由Page和Brin提出，它以“网页”一词和联合创始人拉里佩奇的名字命名。 PageRank 是一种衡量网站页面重要性的方法。这个算法后被NLP采用，作为词热度的算法如TextRank,本篇专门研究这个算法。

        PageRank 可以定义在任意有向图上，而与之类似的问题都可以用此模型，因而被应用到社会影响力分析、文本摘要等多个问题，成了越来越被关注的经典算法。

2.2 算法的理论依据

        PageRank算法的基本想法是在有向图上定义一个随机游走模型，即一阶马尔可夫链，描述随机游走者沿着有向图随机访问各个结点的行为。在一定条件下，极限情况访问每个结点的概率收敛到平稳分布，这时各个结点的平稳概率值就是其PageRank值，表示结点的重要度。PageRank 是递归定义的，PageRank 的计算可以通过迭代算法进行。

2.3 关于网页热度的假设

        网页的热度究竟如何定义才算好？其实很朴素的理由决定了一个大的作d为。

        历史上，PageRank算法作为计算互联网网页重要度的算法被提出。PageRank是定义在网页集合上的一个函数，它对每个网页给出一个正实数，表示网页的重要程度，整体构成一个向量，PageRank值越高，